Esegui il deployment dei carichi di lavoro delle GPU in Autopilot

Questa pagina mostra come richiedere acceleratori hardware (GPU) nei carichi di lavoro Autopilot di Google Kubernetes Engine (GKE).

Autopilot offre la classe di computing Accelerator specializzata per eseguire i pod GPU. Con questa classe di computing, GKE posiziona i pod sui nodi GPU, fornendo loro l'accesso a funzionalità avanzate sulla macchina virtuale (VM). Facoltativamente, puoi anche eseguire i pod GPU senza selezionare la classe di computing Accelerator. Per scoprire di più sui vantaggi della classe di computing Accelerator, consulta Quando utilizzare classi di computing specifiche.

Prezzi

Autopilot ti consente di applicare una fatturazione diversa a seconda che tu abbia richiesto la classe di computing Accelerator per l'esecuzione dei carichi di lavoro GPU.

Vuoi usare la classe di computing Accelerator? Prezzi Compatibilità con le funzionalità di GKE
Ti viene addebitato il costo dell'hardware Compute Engine che esegue i carichi di lavoro GPU, più un abbonamento Premium per Autopilot per la gestione e la scalabilità automatiche dei nodi. Per maggiori dettagli, vedi Prezzi della modalità Autopilot.

Compatibile con:
I costi ti vengono addebitati in base alle richieste di risorse pod GPU. Per maggiori dettagli, consulta la sezione "Pod GPU" in Prezzi di Kubernetes Engine.

Compatibile con:

Prima di iniziare

Prima di iniziare, assicurati di aver eseguito le seguenti attività:

  • Abilita l'API Google Kubernetes Engine.
    • Abilita l'API Google Kubernetes Engine
  • Se vuoi utilizzare Google Cloud CLI per questa attività, installa e initialize gcloud CLI. Se hai già installato gcloud CLI, scarica la versione più recente eseguendo gcloud components update.

  • Assicurati di avere un cluster GKE Autopilot che esegue una delle seguenti versioni:

    • Classe di calcolo dell'acceleratore: qualsiasi versione della patch 1.28 a partire da 1.28.6-gke.1095000
      • GPU NVIDIA H100 (80 GB): 1.28.6-gke.1369000 o versioni successive e 1.29.1-gke.1575000 o versioni successive
      • Più pod GPU per VM: 1.29.2-gke.1355000 o versioni successive

    • Nessuna selezione della classe di computing:

      • GPU NVIDIA L4: 1.28.3-gke.1203000 o successive
      • GPU NVIDIA A100 (80 GB): 1.27 o successive
      • Tutte le altre GPU: 1.24.2-gke.1800 o versioni successive

  • Assicurati di disporre di un numero sufficiente di quote GPU nel progetto. Devi disporre di una quota GPU di Compute Engine sufficiente per i modelli di GPU che vuoi creare in ogni regione. Se hai bisogno di una quota GPU aggiuntiva, richiedi una quota GPU.

Limitazioni

  • Le GPU con condivisione del tempo e le GPU multi-istanza sono disponibili con Autopilot su GKE versione 1.29.3-gke.1093000 e successive.
  • La disponibilità delle GPU dipende dalla regione Google Cloud del tuo cluster Autopilot e dalla tua quota GPU. Per trovare un modello GPU in base alla regione o alla zona, consulta la pagina relativa alla disponibilità delle regioni e delle zone GPU.
  • Per le GPU NVIDIA A100 (80 GB), ti viene addebitato un prezzo fisso per le unità SSD locali associate ai nodi, indipendentemente dal fatto che i pod utilizzino tale capacità.
  • Per le versioni di GKE precedenti alla 1.29.2-gke.1355000, se richiedi esplicitamente uno specifico nodo GPU esistente per il tuo pod, quest'ultimo deve consumare tutte le risorse GPU sul nodo. Ad esempio, se il nodo esistente ha 8 GPU e i container del pod richiedono un totale di 4 GPU, Autopilot rifiuta il pod.
  • Per GKE versione 1.29.2-gke.1355000 o successive, se vuoi che più pod GPU siano inseriti in un singolo nodo, la somma delle richieste GPU per questi pod deve essere inferiore o uguale al numero di risorse GPU collegate a quel nodo. Ad esempio, un nodo con gke-accelerator-count pari a 4 potrebbe ospitare fino a quattro pod che richiedono una GPU ciascuno.

Posizionare più pod su un singolo nodo GPU è utile in situazioni come queste:

  • Hai prenotazioni di capacità per tipi di macchine Accelerator di grandi dimensioni ed esegui carichi di lavoro con GPU singola, quindi il deployment di un pod per nodo sprechi le altre GPU su quella macchina.
  • Hai carichi di lavoro GPU che devono essere eseguiti sullo stesso host

In queste situazioni, ti consigliamo di utilizzare tutte le GPU sul nodo assicurandoti che la somma delle richieste di risorse GPU dei pod sul nodo sia uguale al numero di GPU collegate al nodo.

Richiedi GPU nei container

Per richiedere risorse GPU per i container, aggiungi i seguenti campi alla specifica del pod. A seconda dei requisiti del carico di lavoro, puoi omettere i campi cloud.google.com/compute-class: "Accelerator" e cloud.google.com/gke-accelerator-count facoltativamente.

apiVersion: v1
kind: Pod
metadata:
  name: my-gpu-pod
spec:
  nodeSelector:
    cloud.google.com/compute-class: "Accelerator"
    cloud.google.com/gke-accelerator: GPU_TYPE
    cloud.google.com/gke-accelerator-count: GPU_COUNT
  containers:
  - name: my-gpu-container
    image: nvidia/cuda:11.0.3-runtime-ubuntu20.04
    command: ["/bin/bash", "-c", "--"]
    args: ["while true; do sleep 600; done;"]
    resources:
      limits:
        nvidia.com/gpu: GPU_QUANTITY

Sostituisci quanto segue:

  • GPU_TYPE: il tipo di hardware GPU. I valori consentiti sono i seguenti:
    • nvidia-h100-80gb: NVIDIA H100 (80 GB) (disponibile solo con classe di computing Accelerator)
    • nvidia-a100-80gb: NVIDIA A100 (80GB)
    • nvidia-tesla-a100: NVIDIA A100 (40GB)
    • nvidia-l4: NVIDIA L4
    • nvidia-tesla-t4: NVIDIA T4
  • GPU_COUNT: il numero totale di GPU disponibili per il collegamento al nodo. Deve essere maggiore o uguale a GPU_QUANTITY e una quantità di GPU supportata per il tipo di GPU selezionato. Se ometti questo nodeSelector, Autopilot posiziona un pod su ciascun nodo GPU.
  • GPU_QUANTITY: il numero di GPU da allocare al container. Deve essere inferiore o uguale a GPU_COUNT e una quantità di GPU supportata per il tipo di GPU selezionato.

Devi specificare sia il tipo di GPU sia la quantità di GPU nella specifica del pod. Se ometti uno di questi valori, Autopilot rifiuta il pod.

Quando esegui il deployment di questo manifest, Autopilot installa automaticamente i driver NVIDIA predefiniti per la versione GKE del nodo. Nella versione 1.29.2-gke.1108000 e successive, puoi scegliere di installare la versione più recente del driver per quella versione di GKE aggiungendo il seguente selettore di nodi al manifest:

spec:
  nodeSelector:
    cloud.google.com/gke-gpu-driver-version: "DRIVER_VERSION"

Sostituisci DRIVER_VERSION con uno dei seguenti valori:

  • default: il driver stabile predefinito per la versione GKE del nodo. Se ometti il nodeSelector nel manifest, questa è l'opzione predefinita.
  • latest: la versione più recente disponibile del driver per la versione GKE del nodo.

Richieste di CPU e memoria per i pod GPU Autopilot

Quando definisci i pod GPU, devi anche richiedere risorse di CPU e memoria in modo che i container funzionino come previsto. Autopilot applica valori minimi, massimi e predefiniti di CPU e memoria specifici in base al tipo e alla quantità di GPU. Se esegui più pod GPU su un singolo nodo, specifica la CPU e la memoria, altrimenti verrà utilizzata per impostazione predefinita l'intera capacità del nodo. Per maggiori dettagli, consulta Richieste di risorse in Autopilot.

La specifica del pod dovrebbe essere simile all'esempio seguente, che richiede quattro GPU T4:

apiVersion: v1
kind: Pod
metadata:
  name: t4-pod
spec:
  nodeSelector:
    cloud.google.com/compute-class: "Accelerator"
    cloud.google.com/gke-accelerator: "nvidia-tesla-t4"
  containers:
  - name: t4-container-1
    image: nvidia/cuda:11.0.3-runtime-ubuntu20.04
    command: ["/bin/bash", "-c", "--"]
    args: ["while true; do sleep 600; done;"]
    resources:
      limits:
        nvidia.com/gpu: 3
        cpu: "54"
        memory: "54Gi"
      requests:
        cpu: "54"
        memory: "54Gi"
  - name: t4-container-2
    image: nvidia/cuda:11.0.3-runtime-ubuntu20.04
    command: ["/bin/bash", "-c", "--"]
    args: ["while true; do sleep 600; done;"]
    resources:
      limits:
        nvidia.com/gpu: 1
        cpu: "18"
        memory: "18Gi"
      requests:
        cpu: "18"
        memory: "18Gi"

Questo manifest specifica limits per le risorse di CPU e memoria. Se ometti limits per CPU o memoria in GKE versione 1.29.2-gke.1060000 e successive, GKE assegna ai tuoi pod la classe QoS Burstable e consente ai tuoi pod di eseguire il burst in risorse inutilizzate dalla somma delle richieste di risorse sul nodo. Per maggiori informazioni, consulta Configurare il bursting dei pod in GKE.

Richieste di archiviazione temporanea per i pod GPU Autopilot

Puoi anche richiedere l'archiviazione temporanea nei pod che richiedono spazio di archiviazione a breve durata. La quantità massima di spazio di archiviazione temporanea disponibile e il tipo di hardware di archiviazione utilizzato dipendono dal tipo e dalla quantità di GPU richieste dal pod. Puoi utilizzare l'SSD locale per l'archiviazione temporanea se usi GPU NVIDIA L4, la classe di calcolo Accelerator, ed esegui la patch GKE 1.28.6-gke.1369000 e successive o 1.29.1-gke.1575000 e successive.

Per utilizzare l'SSD locale per l'archiviazione temporanea, aggiungi cloud.google.com/gke-ephemeral-storage-local-ssd: "true" nodeSelector al manifest del carico di lavoro. Consulta il manifest di esempio in Utilizza l'archiviazione temporanea supportata da SSD locali con i cluster Autopilot. Le GPU NVIDIA H100 (80 GB) e le GPU NVIDIA A100 (80 GB) utilizzano sempre gli SSD locali per l'archiviazione temporanea e non puoi specificare questo selettore di nodi per queste GPU.

Verifica l'allocazione della GPU

Per verificare che un carico di lavoro GPU di cui è stato eseguito il deployment abbia le GPU richieste, esegui questo comando:

kubectl describe node NODE_NAME

Sostituisci NODE_NAME con il nome del nodo su cui è stato pianificato il pod.

L'output è simile al seguente:


apiVersion: v1
kind: Node
metadata:
...
  labels:
    ...
    cloud.google.com/gke-accelerator: nvidia-tesla-t4
    cloud.google.com/gke-accelerator-count: "1"
    cloud.google.com/machine-family: custom-48
    ...
...

Controlla la versione del driver GPU

Nei cluster Autopilot, GKE installa automaticamente i driver di dispositivi NVIDIA su tutti i nodi GPU. Per trovare la versione del driver che GKE ha installato nel tuo cluster, esegui questo comando:

kubectl logs --label=k8s-app=nvidia-gpu-device-plugin \
    --container="nvidia-gpu-device-plugin" \
    --tail=-1 \
    --namespace=kube-system | grep Driver

L'output è simile al seguente:

I1206 18:37:08.251742    5851 metrics.go:144] nvml initialized successfully. Driver version: 535.104.12

Come funziona l'allocazione delle GPU in Autopilot

Dopo aver richiesto un tipo di GPU e una quantità per i container in un pod ed eseguito il deployment del pod, si verifica quanto segue:

  1. Se non esiste alcun nodo GPU allocabile, Autopilot esegue il provisioning di un nuovo nodo GPU per pianificare il pod. Autopilot installa automaticamente i driver NVIDIA per facilitare l'hardware.
  2. Autopilot aggiunge incompatibilità dei nodi al nodo GPU e le tolleranze corrispondenti al pod. In questo modo, GKE non può pianificare altri pod sul nodo GPU.

La modalità Autopilot posiziona esattamente un pod GPU su ogni nodo GPU, nonché su tutti i carichi di lavoro gestiti da GKE in esecuzione su tutti i nodi e su eventuali DaemonSet configurati per tollerare tutte le incompatibilità dei nodi.

Esegui DaemonSet su ogni nodo

Potresti voler eseguire DaemonSet su ogni nodo, anche su quelli con incompatibilità applicate. Ad esempio, alcuni agenti di logging e monitoraggio devono essere eseguiti su ogni nodo del cluster. Puoi configurare questi DaemonSet in modo da ignorare le incompatibilità dei nodi in modo che GKE posizioni questi carichi di lavoro su ogni nodo.

Per eseguire DaemonSets su ogni nodo nel cluster, compresi i nodi GPU, aggiungi la seguente tolleranza alla specifica:

apiVersion: apps/v1
kind: DaemonSet
metadata:
  name: logging-agent
spec:
  tolerations:
  - key: ""
    operator: "Exists"
    effect: ""
  containers:
  - name: logging-agent-v1
    image: IMAGE_PATH

Per eseguire DaemonSets su nodi GPU specifici nel cluster, aggiungi quanto segue alla specifica:

apiVersion: apps/v1
kind: DaemonSet
metadata:
  name: logging-agent
spec:
  nodeSelector:
    cloud.google.com/gke-accelerator: "GPU_TYPE"
  tolerations:
  - key: ""
    operator: "Exists"
    effect: ""
  containers:
  - name: logging-agent-v1
    image: IMAGE_PATH

Sostituisci GPU_TYPE con il tipo di GPU nei nodi di destinazione. Può corrispondere a uno dei seguenti:

  • nvidia-h100-80gb: NVIDIA H100 (80 GB) (disponibile solo con classe di computing Accelerator)
  • nvidia-a100-80gb: NVIDIA A100 (80GB)
  • nvidia-tesla-a100: NVIDIA A100 (40GB)
  • nvidia-l4: NVIDIA L4
  • nvidia-tesla-t4: NVIDIA T4

Casi d'uso della GPU in Autopilot

Puoi allocare le GPU ai container nei pod Autopilot per semplificare i carichi di lavoro come:

  • Inferenza machine learning (ML)
  • Addestramento ML
  • Rendering

Quantità di GPU supportate

Quando richiedi le GPU nella specifica del pod, devi utilizzare le seguenti quantità in base al tipo di GPU:

Quantità di GPU
NVIDIA L4
nvidia-l4		 1, 2, 4, 8
NVIDIA T4
nvidia-tesla-t4		 1, 2, 4
NVIDIA A100 (40GB)
nvidia-tesla-a100		 1, 2, 4, 8, 16
NVIDIA A100 (80GB)
nvidia-a100-80gb		 1, 2, 4, 8
NVIDIA H100 (80GB)
nvidia-h100-80gb		 8

Se richiedi una quantità di GPU non supportata per quel tipo, Autopilot rifiuta il tuo pod.

Monitora i nodi GPU

Se nel cluster GKE sono abilitate le metriche di sistema, le seguenti metriche sono disponibili in Cloud Monitoring per monitorare le prestazioni del carico di lavoro della GPU:

  • Ciclo di lavoro (container/accelerator/duty_cycle): percentuale di tempo nell'ultimo periodo di campionamento (10 secondi) durante il quale l'acceleratore ha eseguito attivamente l'elaborazione. Tra 1 e 100.
  • Utilizzo memoria (container/accelerator/memory_used): quantità di memoria dell'acceleratore allocata in byte.
  • Capacità di memoria (container/accelerator/memory_total): memoria totale dell'acceleratore in byte.

Puoi utilizzare le dashboard predefinite per monitorare i cluster con nodi GPU. Per maggiori informazioni, consulta Visualizzare le metriche di osservabilità. Per informazioni generali sul monitoraggio dei cluster e delle relative risorse, consulta Osservabilità per GKE.

Visualizza metriche di utilizzo per i carichi di lavoro

Puoi visualizzare le metriche di utilizzo delle GPU dei carichi di lavoro dalla dashboard Carichi di lavoro nella console Google Cloud.

Per visualizzare l'utilizzo della GPU dei carichi di lavoro, segui questi passaggi:

  1. Vai alla pagina Carichi di lavoro nella console Google Cloud.

    Vai a Carichi di lavoro
  2. Seleziona un carico di lavoro.

La dashboard Carichi di lavoro mostra i grafici relativi all'utilizzo e alla capacità della memoria della GPU e al ciclo di servizio della GPU.

Passaggi successivi