Abilita e utilizza GPU NVIDIA nelle VM con runtime VM su GDC

Anteprima

Questo prodotto o funzionalità è soggetto ai "Termini delle Offerte pre-GA" nella sezione Termini generali del servizio dei Termini specifici del servizio. I prodotti e le funzionalità pre-GA sono disponibili "così come sono" e potrebbero avere un supporto limitato. Per saperne di più, consulta le descrizioni della fase di lancio.

Questo documento mostra come abilitare il supporto delle GPU NVIDIA® per le macchine virtuali (VM) in esecuzione con VM Runtime su GDC. Imparerai a installare i driver NVIDIA sui tuoi nodi Google Distributed Cloud, a verificare che le GPU siano disponibili e ad assegnare le GPU alle VM.

Prima di iniziare

Per completare questo documento, devi avere accesso alle seguenti risorse:

• Accesso al cluster Google Distributed Cloud versione 1.12.0 (anthosBareMetalVersion: 1.12.0) o successiva. Puoi utilizzare qualsiasi tipo di cluster in grado di eseguire carichi di lavoro. Se necessario, prova Google Distributed Cloud su Compute Engine o consulta la panoramica sulla creazione del cluster.
• Lo strumento client virtctl installato come plug-in per kubectl. Se necessario, installa lo strumento client virtctl.

Schede GPU Nvidia supportate

La versione 1.13 o successive di Google Distributed Cloud supporta le seguenti GPU NVIDIA:

• Tesla T4
• Tesla P4
• Tesla V100 SXM2 32 GB
• A100 SXM4 40 GB
• A100 PCIe 40 GB
• A100 SXM4 da 80 GB
• A100 PCIe 80 GB

Installa i driver NVIDIA sui nodi

Prima che le tue VM possano utilizzare le GPU NVIDIA, devi configurare i nodi Google Distributed Cloud in modo che supportino i dispositivi GPU. Per installare i driver NVIDIA sui tuoi nodi, completa i seguenti passaggi su ciascun nodo nel tuo cluster che include una GPU NVIDIA. Questo documento usa una versione di Ubuntu supportata per i nodi:

1. Connettiti al nodo Google Distributed Cloud che vuoi configurare per il supporto delle GPU.

2. Ottieni la versione kernel del tuo nodo:

   KERNEL_VERSION="$(uname -r)"
   

3. Aggiorna il nodo Ubuntu e installa le intestazioni del kernel appropriate:

   sudo apt update && \
   apt install -y linux-headers-${KERNEL_VERSION}
   

4. Installa il pacchetto build-essential in modo da poter compilare i driver Nvidia in un passaggio seguente:

   sudo apt install -y build-essential
   

5. Scarica il pacchetto di driver NVIDIA appropriato per la tua GPU. Per un elenco completo dei driver, vedi Download dei driver NVIDIA.

   L'esempio seguente scarica il driver 470.82.01 della versione Linux x86_64:

   wget https://us.download.nvidia.com/tesla/470.82.01/NVIDIA-Linux-x86_64-470.82.01.run
   

6. Installa il pacchetto del driver NVIDIA. Usa il nome del pacchetto driver NVIDIA che hai scaricato nel passaggio precedente:

   sudo sh NVIDIA-Linux-x86_64-470.82.01.run \
     --accept-license \
     --silent \
     --no-nouveau-check
   

7. Carica il modulo kernel NVIDIA:

   sudo modprobe nvidia
   

8. Ripeti i passaggi in questa sezione su ciascun nodo nel tuo cluster che dispone di una GPU NVIDIA.

Abilita il supporto delle GPU nel runtime delle VM su GDC

Dopo aver installato i driver NVIDIA sui tuoi nodi Google Distributed Cloud, attiverai il supporto GPU nel runtime VM su GDC. Le VM possono quindi accedere alle GPU sui nodi.

Ogni nodo si riavvia nell'ambito del seguente processo. Le VM potrebbero essere interessate da questo processo di riavvio. Se possibile e configurate in modo da farlo, le VM di cui è possibile eseguire la migrazione migrano ad altri nodi. Per maggiori informazioni, consulta la pagina su come configurare il criterio di rimozione delle VM durante gli eventi di manutenzione.

Per abilitare il supporto delle GPU nel runtime VM su GDC, completa i passaggi seguenti.

1. Modifica la risorsa personalizzata VMRuntime:

   kubectl edit vmruntime vmruntime
   

2. Aggiungi la proprietà enableGPU: true al file manifest VMRuntime:

   apiVersion: vm.cluster.gke.io/v1
   kind: VMRuntime
   metadata:
     name: vmruntime
   spec:
     enabled: true
     enableGPU: true
   ...
   

3. Salva e chiudi la risorsa personalizzata VMRuntime nell'editor.

4. Controlla lo stato dei controller GPU nello spazio dei nomi vm-system:

   kubectl get pods --namespace vm-system  -w
   

   L'abilitazione dei controller richiede circa cinque minuti. Attendi che STATUS venga visualizzato Running per tutti i controller GPU. Il seguente output di esempio mostra lo stato desiderato:

   NAME                                          READY  STATUS    RESTARTS     AGE
   gpu-controller-controller-manager-gwvcb       2/2    Running   0            10m
   kubevirt-gpu-dp-daemonset-2lfkl               1/1    Running   0            10m
   kubevm-gpu-driver-daemonset-5fwh6             1/1    Running   0            10m
   nvidia-gpu-dp-daemonset-9zq2w                 1/1    Running   0            10m
   nvidia-mig-manager-5g7pz                      1/1    Running   0            10m
   vm-controller-controller-manager-7b6df6979b   2/2    Running   2 (13m ago)  14m
   

5. Verifica che le GPU siano disponibili per l'utilizzo quando tutti i controller GPU segnalano il proprio stato come Running:

   kubectl get gpuallocations --namespace vm-system
   

   L'output di esempio seguente mostra che le GPU sui nodi sono disponibili per l'uso. Viene mostrato ogni nodo nel cluster con supporto GPU. Lo allocarai alle VM nella prossima sezione:

   NAME       ALLOCATED   DEVICEMODEL
   bm-node1   true        Tesla A100 SXM4 40GB
   bm-node2   true        Tesla A100 SXM4 40GB
   

Alloca le GPU per l'utilizzo con le VM

Con il supporto delle GPU configurato nei nodi Anthos clusters on bare metal e nel runtime VM su GDC, alloca le GPU da utilizzare con le VM. Per impostazione predefinita, le GPU sono allocate per l'utilizzo con i pod (container).

1. Modifica la risorsa personalizzata GPUAllocation da utilizzare con le VM. Questo passaggio assegna le GPU sui nodi per l'utilizzo con le VM:

   kubectl edit gpuallocation NODE_NAME --namespace vm-system
   

   Sostituisci NODE_NAME con il nome del nodo da cui vuoi allocare le GPU.

2. Configura il numero di GPU da allocare alle VM. Inizialmente, tutte le GPU sono allocate ai pod.

   Il numero totale di GPU allocate a VM e pod deve corrispondere al numero di GPU nel nodo. Ad esempio, il tuo nodo potrebbe avere quattro GPU. Se assegni due GPU alle VM, rimangono due GPU allocate ai pod. Il manifest GPUAllocation viene rifiutato se tenti di allocare due GPU alle VM e una GPU ai pod, dato che una GPU non viene allocata.

   Aggiorna il numero di GPU sul nodo che vuoi allocare per l'utilizzo con le VM, come mostrato nell'esempio seguente:

   apiVersion: gpu.cluster.gke.io/v1
   kind: GPUAllocation
   metadata:
     name: gpu-w2
     namespace: vm-system
   spec:
     node: gpu-w2
     pod: 0
     vm: 4
   

   In questo esempio, tutte e quattro le GPU installate nel nodo sono allocate alle VM. Nessuna GPU è allocata ai pod.

3. Salva e chiudi la risorsa personalizzata GPUAllocation nell'editor.

4. Verifica che le GPU segnalino lo stato ALLOCATED come true:

   kubectl get gpuallocations --namespace vm-system
   

   Il seguente output di esempio mostra che le GPU sui nodi sono disponibili per l'uso:

   NAME     ALLOCATED   DEVICEMODEL
   gpu-w1   true        Tesla A100 SXM4 40GB
   gpu-w2   true        Tesla A100 SXM4 40GB
   

Creazione di una VM con supporto GPU

Ora puoi creare una VM che utilizza la GPU del nodo. Nella risorsa VM personalizzata, specifichi il nome e la quantità di GPU da allocare dal nodo.

1. Recupera il nome della scheda GPU dall'host:

   kubectl describe node NODE_NAME
   

   Sostituisci NODE_NAME con il nome dell'host da cui vuoi ottenere il nome della GPU.

   Il seguente output di esempio mostra che il nome GPU allocabile su questo nodo è NVIDIA_A100_SXM4_40GB:

   Name:               bm-node1
   Roles:              worker
   [...]
   Allocatable:
     cpu:                                         47810m
     [...]
     memory:                                      336929400Ki
     nvidia.com/gpu-vm-NVIDIA_A100_SXM4_40GB:     1
   [...]
   

2. Crea un file manifest VirtualMachine, ad esempio my-gpu-vm.yaml, nell'editor che preferisci:

   nano my-gpu-vm.yaml
   

3. Copia e incolla il seguente manifest YAML:

   apiVersion: vm.cluster.gke.io/v1
   kind: VirtualMachine
   metadata:
     name: VM_NAME
   spec:
     interfaces:
       - name: eth0
         networkName: pod-network
         default: true
     disks:
       - virtualMachineDiskName: VM_NAME-boot-dv
         boot: true
         gpu:
           model: nvidia.com/gpu-vm-GPU_NAME
           quantity: 1
   

   In questo file YAML, definisci le seguenti impostazioni:

   • VM_NAME: il nome della VM.
   • GPU_NAME: il nome GPU del nodo da allocare alla VM.
     • Il nome di questa GPU viene mostrato nell'output del comando kubectl describe node di un passaggio precedente, ad esempio NVIDIA_A100_SXM4_40GB.

   La VM connette eth0 alla rete pod-network predefinita.

   Il disco di avvio denominato VM_NAME-boot-dv deve già esistere. Per maggiori informazioni, consulta Creare e gestire dischi virtuali.

4. Salva e chiudi il manifest della VM nell'editor.

5. Crea la VM utilizzando kubectl:

   kubectl apply -f my-gpu-vm.yaml
   

6. Quando la VM è in esecuzione, connettiti alla VM e verifica che l'hardware GPU sia disponibile.

Passaggi successivi

• Modifica una VM in Google Distributed Cloud.