如果是新的gpu机器，
那么修改config.yaml，增加node
那么执行 sshkey install， 从dev-machine上把一些key拷进去
再执行 updateworker 就可以了 。
注意两个问题：
- 可能会有host问题，那么就把dev-machine上的hosts拷过去
- 如果gpu之前的开发machine不是这台，就要把镜像mount过来
在config.yaml中加上配置
machines:
……
qjy-ai02:
role:worker
type:gpu
type是gpu是default选项，可以不填。
注入这个cluster的key
./deploy.py --node qjy-ai02 sshkey install
再执行updateworker
./deploy.py --node qjy-ai02 -y updateworker
更新完worker之后，理论上可以在节点列表中找到这台机器。但是没有仍和services。执行label操作。
./deploy.py --node qjy-ai02 kubernetes labels
每个GPU节点只做运算和临时存储（有cache空间），但是实际数据存储都是挂载到另外的存储节点，如果这个GPU在上个集群使用，且两个集群的存储节点不同，则会导致创建job的时候出错，所以需要改gpu节点的mount路径。
进入ai-03节点：
cd /dlwsdata/
sudo rm dlwsdata2 dlwsdata3 jobfiles namenodeshare storage work
回dev-machine，执行：
./deploy.py --node qjy-ai03 mount
./deploy.py kubectl drain qjy-ai02 --ignore-daemonsets
./deploy.py kubectl delete node qjy-ai02