Gestire lo stack GPU con l'operatore GPU NVIDIA su Google Kubernetes Engine (GKE)


Questa pagina ti aiuta a decidere quando utilizzare l'operatore GPU NVIDIA e ti mostra come attivarlo su GKE.

Panoramica

Operatori sono estensioni software di Kubernetes che consentono agli utenti di creare e risorse che gestiscono le applicazioni e i loro componenti. Puoi utilizzare gli operatori per eseguire automaticamente attività complesse oltre a quelle fornite da Kubernetes stesso, ad esempio il deployment e l'upgrade delle applicazioni.

L'operatore GPU NVIDIA è un operatore Kubernetes che fornisce una infrastruttura e API per il deployment, la configurazione e la gestione del software necessari per il provisioning di GPU NVIDIA in un cluster Kubernetes. NVIDIA L'operatore GPU fornisce un'esperienza coerente e semplifica le risorse GPU e semplifica l'integrazione dei carichi di lavoro con accelerazione GPU in Kubernetes.

Perché utilizzare l'operatore GPU NVIDIA?

Ti consigliamo di utilizzare la gestione GPU di GKE per i nodi GPU, GKE gestisce completamente il ciclo di vita dei nodi GPU. Per iniziare a utilizzare GKE per gestire i tuoi nodi GPU, scegli una delle seguenti opzioni:

In alternativa, l'operatore GPU NVIDIA potrebbe essere un'opzione adatta a te se stai cercando un'esperienza coerente su più servizi cloud utilizzi già l'operatore GPU NVIDIA o se utilizzi che dipende dall'operatore GPU NVIDIA.

Per ulteriori considerazioni al momento di scegliere tra queste opzioni, consulta Gestire lo stack GPU tramite GKE o l'operatore GPU NVIDIA su GKE.

Limitazioni

L'operatore GPU NVIDIA è supportato sia su Container-Optimized OS (COS) sia su immagini dei nodi Ubuntu con le seguenti limitazioni:

  • L'operatore GPU NVIDIA è supportato su GKE a partire da GPU Operator 24.6.0 o versioni successive.
  • L'operatore GPU NVIDIA non è supportato sui cluster Autopilot.
  • L'operatore GPU NVIDIA non è supportato nelle immagini dei nodi Windows.
  • L'operatore GPU NVIDIA non è gestito da GKE. Per eseguire l'upgrade di Operatore GPU NVIDIA, consulta la documentazione NVIDIA.

Prima di iniziare

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

  • Attiva l'API Google Kubernetes Engine.
  • Attiva l'API Google Kubernetes Engine
  • Se vuoi utilizzare Google Cloud CLI per questa attività, install e poi inizializzare con gcloud CLI. Se hai già installato gcloud CLI, scarica la versione più recente eseguendo gcloud components update.
  • Assicurati di soddisfare i requisiti in Esegui GPU in pool di nodi standard.
  • Verifica di avere installato Helm nell'ambiente di sviluppo. Helm è preinstallato su Cloud Shell.

    Sebbene non sia richiesto un requisito specifico per la versione di Helm, puoi utilizzare il seguente comando per verificare di aver installato Helm.

    helm version
    

    Se l'output è simile a Command helm not found, puoi installa l'interfaccia a riga di comando di Helm eseguendo questo comando:

    curl -fsSL -o get_helm.sh https://raw.githubusercontent.com/helm/helm/master/scripts/get-helm-3 \
      && chmod 700 get_helm.sh \
      && ./get_helm.sh
    

Crea e configura il pool di nodi GPU

Per creare e configurare il pool di nodi GPU:

  1. Crea un pool di nodi GPU seguendo le istruzioni su come creare un pool di nodi GPU con le seguenti modifiche:

    • Imposta gpu-driver-version=disabled per saltare l'installazione automatica del driver GPU, poiché non è supportata quando utilizzi l'operatore GPU NVIDIA.
    • Imposta Da --node-labels="gke-no-default-nvidia-gpu-device-plugin=true" a Disabilita il plug-in del dispositivo GPU gestito da GKE Daemonset.

    Esegui questo comando e aggiungi altri flag per la creazione del pool di nodi GPU secondo necessità:

    gcloud container node-pools create POOL_NAME \
      --accelerator type=GPU_TYPE,count=AMOUNT,gpu-driver-version=disabled \
      --node-labels="gke-no-default-nvidia-gpu-device-plugin=true"
    

    Sostituisci quanto segue:

    • POOL_NAME il nome che hai scelto per il pool di nodi.
    • GPU_TYPE: il tipo di acceleratore GPU che che vuoi utilizzare. Ad esempio: nvidia-h100-80gb.
    • AMOUNT: il numero di GPU da collegare ai nodi del pool di nodi.

    Ad esempio, il comando seguente crea un pool di nodi GKE, a3nodepool, con GPU H100 nel cluster di zona a3-cluster. In questo esempio, il daemonset del plug-in del dispositivo GPU GKE e l'installazione automatica del driver sono disattivati.

    gcloud container node-pools create a3nodepool \
      --region=us-central1 --cluster=a3-cluster \
      --node-locations=us-central1-a \
      --accelerator=type=nvidia-h100-80gb,count=8,gpu-driver-version=disabled \
      --machine-type=a3-highgpu-8g \
      --node-labels="gke-no-default-nvidia-gpu-device-plugin=true" \
      --num-nodes=1
    
  2. Esegui le credenziali di autenticazione per il cluster seguente comando:

    USE_GKE_GCLOUD_AUTH_PLUGIN=True \
    gcloud container clusters get-credentials CLUSTER_NAME [--zone COMPUTE_ZONE] [--region COMPUTE_REGION]
    

    Sostituisci quanto segue:

    • CLUSTER_NAME: il nome del cluster contenente il tuo pool di nodi.
    • COMPUTE_REGION o COMPUTE_ZONE: specifica la regione o la zona del cluster, rispettivamente se si tratta di un cluster regionale o zonale.

    L'output è simile al seguente:

    Fetching cluster endpoint and auth data.
    kubeconfig entry generated for CLUSTER_NAME.
    
  3. (Facoltativo) Verifica la possibilità di connetterti al cluster.

    kubectl get nodes -o wide
    

    Dovresti vedere un elenco di tutti i nodi in esecuzione in questo cluster.

  4. Crea lo spazio dei nomi gpu-operator per l'operatore GPU NVIDIA eseguendo questo comando:

    kubectl create ns gpu-operator
    

    L'output è simile al seguente:

    namespace/gpu-operator created
    
  5. Crea la quota di risorse nello spazio dei nomi gpu-operator eseguendo questo comando:

    kubectl apply -n gpu-operator -f - << EOF
    apiVersion: v1
    kind: ResourceQuota
    metadata:
      name: gpu-operator-quota
    spec:
      hard:
        pods: 100
      scopeSelector:
        matchExpressions:
        - operator: In
          scopeName: PriorityClass
          values:
            - system-node-critical
            - system-cluster-critical
    EOF
    

    L'output è simile al seguente:

    resourcequota/gpu-operator-quota created
    
  6. Visualizza la quota delle risorse per lo spazio dei nomi gpu-operator:

    kubectl get -n gpu-operator resourcequota gpu-operator-quota
    

    L'output è simile al seguente:

    NAME                 AGE     REQUEST       LIMIT
    gpu-operator-quota   2m27s   pods: 0/100
    
  7. Installa manualmente i driver sui nodi Ubuntu o Container-Optimized OS. Per istruzioni dettagliate, consulta Installare manualmente i driver GPU NVIDIA.

    • Se utilizzi COS, esegui i seguenti comandi per eseguire il deployment del DaemonSet di installazione e installare la versione predefinita del driver della GPU:

      kubectl apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/container-engine-accelerators/master/nvidia-driver-installer/cos/daemonset-preloaded.yaml
      
    • Se utilizzi Ubuntu, il DaemonSet di installazione di cui esegui il deployment dipende dalla GPU e sulla versione del nodo GKE come descritto Sezione delle istruzioni per Ubuntu.

  8. Verifica la versione del driver GPU eseguendo questo comando:

    kubectl logs -l k8s-app=nvidia-driver-installer  \
      -c "nvidia-driver-installer" --tail=-1 -n kube-system
    

    Se l'installazione del driver GPU ha esito positivo, l'output è simile al comando seguenti:

    I0716 03:17:38.863927    6293 cache.go:66] DRIVER_VERSION=535.183.01
    …
    I0716 03:17:38.863955    6293 installer.go:58] Verifying GPU driver installation
    I0716 03:17:41.534387    6293 install.go:543] Finished installing the drivers.
    

Installa l'operatore GPU NVIDIA

Questa sezione mostra come installare l'operatore GPU NVIDIA utilizzando Helm. Per saperne di più, consulta la documentazione di NVIDIA sull'installazione di NVIDIA GPU Operator.

  1. Aggiungi il repository Helm di NVIDIA:

    helm repo add nvidia https://helm.ngc.nvidia.com/nvidia \
      && helm repo update
    
  2. Installa l'operatore GPU NVIDIA utilizzando Helm con quanto segue opzioni di configurazione:

    • Assicurati che la versione di Operatore GPU sia 24.6.0 o successiva.
    • Configura il percorso di installazione del driver nell'operatore GPU con hostPaths.driverInstallDir=/home/kubernetes/bin/nvidia.
    • Impostare il percorso di installazione del toolkit toolkit.installDir=/home/kubernetes/bin/nvidia sia per COS che per Ubuntu. In COS, la directory /home è scrivibile e funge da stateful percorso per l'archiviazione dei file binari di runtime NVIDIA. Per saperne di più, consulta la Panoramica su dischi e filesystem di COS.
    • Attiva l'interfaccia CDI (Container Device Interface) in GPU Operator con cdi.enabled=true e cdi.default=true perché la modalità precedente non è supportata. Il CDI è richiesto sia per COS che per Ubuntu su GKE.
    helm install --wait --generate-name \
      -n gpu-operator \
      nvidia/gpu-operator \
      --set hostPaths.driverInstallDir=/home/kubernetes/bin/nvidia \
      --set toolkit.installDir=/home/kubernetes/bin/nvidia \
      --set cdi.enabled=true \
      --set cdi.default=true \
      --set driver.enabled=false
    

    Per scoprire di più su queste impostazioni, consulta le opzioni di personalizzazione dei grafici comuni e gli scenari di implementazione comuni nella documentazione di NVIDIA.

  3. Verifica che l'operatore GPU NVIDIA sia installato correttamente.

    1. Per verificare che gli operandi degli operatori GPU funzionino correttamente, esegui la .

      kubectl get pods -n gpu-operator
      

      L'output è simile al seguente:

      NAME                                                          READY    STATUS
      RESTARTS   AGE
      gpu-operator-5c7cf8b4f6-bx4rg                                 1/1      Running   0          11m
      gpu-operator-node-feature-discovery-gc-79d6d968bb-g7gv9       1/1      Running   0          11m
      gpu-operator-node-feature-discovery-master-6d9f8d497c-thhlz   1/1      Running   0          11m
      gpu-operator-node-feature-discovery-worker-wn79l              1/1      Running   0          11m
      gpu-feature-discovery-fs9gw                                   1/1      Running   0          8m14s
      gpu-operator-node-feature-discovery-worker-bdqnv              1/1      Running   0          9m5s
      nvidia-container-toolkit-daemonset-vr8fv                      1/1      Running   0          8m15s
      nvidia-cuda-validator-4nljj                                   0/1      Completed 0          2m24s
      nvidia-dcgm-exporter-4mjvh                                    1/1      Running   0          8m15s
      nvidia-device-plugin-daemonset-jfbcj                          1/1      Running   0          8m15s
      nvidia-mig-manager-kzncr                                      1/1      Running   0          2m5s
      nvidia-operator-validator-fcrr6                               1/1      Running   0          8m15s
      
    2. Per verificare che il conteggio delle GPU sia configurato correttamente nel nodo "Allocabili" esegui questo comando:

      kubectl describe node GPU_NODE_NAME | grep Allocatable -A7
      

      Sostituisci GPU_NODE_NAME con il nome del nodo con GPU.

      L'output è simile al seguente:

      Allocatable:
      cpu:                11900m
      ephemeral-storage:  47060071478
      hugepages-1Gi:      0
      hugepages-2Mi:      0
      memory:             80403000Ki
      nvidia.com/gpu:     1           # showing correct count of GPU associated with the nods
      pods:               110
      
    3. Per verificare che il carico di lavoro della GPU funzioni correttamente, puoi utilizzare lo strumento cuda-vectoradd:

      cat << EOF | kubectl create -f -
      apiVersion: v1
      kind: Pod
      metadata:
        name: cuda-vectoradd
      spec:
        restartPolicy: OnFailure
        containers:
        - name: vectoradd
          image: nvidia/samples:vectoradd-cuda11.2.1
          resources:
            limits:
              nvidia.com/gpu: 1
      EOF
      

      Quindi, esegui il comando seguente:

      kubectl logs cuda-vectoradd
      

      L'output è simile al seguente:

      [Vector addition of 50000 elements]
      Copy input data from the host memory to the CUDA device
      CUDA kernel launch with 196 blocks of 256 threads
      Copy output data from the CUDA device to the host memory
      Test PASSED
      Done
      

Passaggi successivi