Condividi le GPU con più carichi di lavoro utilizzando NVIDIA MPS

Questa pagina mostra come utilizzare CUDA Servizio multiprocesso (MPS) per far sì che condividono un singolo acceleratore hardware GPU NVIDIA dei nodi di Google Kubernetes Engine (GKE).

Panoramica

NVIDIA MPS è una soluzione di condivisione della GPU che consente a più container di condividere un singolo hardware GPU NVIDIA fisico collegato a un nodo.

NVIDIA MPS si basa sul servizio multi-processo di NVIDIA su CUDA. NVIDIA MPS è un un'implementazione alternativa compatibile con il programma binario dell'API CUDA, progettata per attivare in modo trasparente applicazioni CUDA multi-processo cooperative per l'esecuzione contemporaneamente su un singolo dispositivo GPU.

Con NVIDIA MPS, puoi specificare il numero massimo di container condivisi di una GPU fisica. Questo valore determina la potenza della GPU fisica assegnata a ciascun contenitore in termini delle seguenti caratteristiche:

Per scoprire di più su come le GPU sono state pianificate con NVIDIA MPS, quando usare CUDA MPS, consulta Informazioni sulle soluzioni di condivisione delle GPU in GKE.

Chi dovrebbe utilizzare questa guida

Le istruzioni in questa sezione si applicano ai seguenti casi:

  • Amministratore di piattaforma: crea e gestisce un account GKE del cluster, pianifica i requisiti di infrastruttura e risorse e monitora le prestazioni del tuo cluster.
  • Sviluppatore di applicazioni: progetta ed esegue il deployment dei carichi di lavoro su cluster GKE. Per istruzioni su come richiedere NVIDIA MPS con GPU, consulta Eseguire il deployment di carichi di lavoro che utilizzano NVIDIA MPS con GPU.

Requisiti

  • Versione di GKE: puoi abilitare la condivisione della GPU con NVIDIA MPS su Cluster GKE Standard che eseguono la versione GKE 1.27.7-gke.1088000 e successivi.
  • Tipo di GPU: puoi attivare NVIDIA MPS per tutti i tipi di GPU NVIDIA Tesla®.

Prima di iniziare

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

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

Attivare NVIDIA MPS con GPU sui cluster GKE

In qualità di amministratore della piattaforma, devi attivare NVIDIA MPS con GPU su un cluster GKE Standard. In seguito, gli sviluppatori di applicazioni possono eseguire il deployment dei carichi di lavoro per utilizzare NVIDIA MPS con le GPU. Per abilitare NVIDIA MPS con GPU su GKE, procedi nel seguente modo:

  1. Abilita NVIDIA MPS con GPU su un nuovo cluster GKE.
  2. Installa i driver di dispositivo GPU NVIDIA (se necessario).
  3. Verifica le risorse GPU disponibili sui tuoi nodi.

Attivare NVIDIA MPS con GPU su un cluster GKE

Puoi abilitare NVIDIA MPS con GPU quando crei i cluster GKE standard. La funzionalità è attivata nel pool di nodi predefinito del cluster. Devi comunque abilitare NVIDIA MPS con GPU quando crei manualmente nuove pool di nodi nel cluster.

Crea un cluster con NVIDIA MPS abilitata utilizzando Google Cloud CLI:

gcloud container clusters create CLUSTER_NAME \
    --region=COMPUTE_REGION \
    --cluster-version=CLUSTER_VERSION \
    --machine-type=MACHINE_TYPE \
    --accelerator=type=GPU_TYPE,count=GPU_QUANTITY,gpu-sharing-strategy=mps,max-shared-clients-per-gpu=CLIENTS_PER_GPU,gpu-driver-version=DRIVER_VERSION

Sostituisci quanto segue:

  • CLUSTER_NAME: il nome del nuovo cluster.
  • COMPUTE_REGION: il Compute Engine region per il nuovo cluster. Per cluster di zona, specifica --zone=COMPUTE_ZONE. Il tipo di GPU che utilizzi deve essere available nella zona selezionata.
  • CLUSTER_VERSION: la versione GKE per dal piano di controllo e dai nodi del cluster. Usa GKE versione 1.27.7-gke.1088000 o successiva. In alternativa, specifica un canale di release con la versione GKE utilizzando il --release-channel=RELEASE_CHANNEL flag.
  • MACHINE_TYPE: il tipo di macchina Compute Engine per dai nodi.
  • GPU_TYPE: il tipo di GPU, che deve essere una piattaforma GPU NVIDIA Tesla come nvidia-tesla-v100.
  • GPU_QUANTITY: il numero di GPU fisiche da collegare a ciascun nodo nel pool di nodi predefinito.
  • CLIENTS_PER_GPU: il numero massimo di contenitori che possono condividere ogni GPU fisica.
  • DRIVER_VERSION: la versione del driver NVIDIA da installare. Può essere uno dei seguenti:
    • default: installa la versione del driver predefinita per GKE completamente gestita.
    • latest: installa l'ultima versione del driver disponibile per GKE completamente gestita. Disponibile solo per i nodi che utilizzano Container-Optimized OS.
    • disabled: salta l'installazione automatica del driver. Devi installare manualmente un driver dopo la creazione del pool di nodi. Se ometti gpu-driver-version, questa è l'opzione predefinita.

Abilita NVIDIA MPS con GPU su un nuovo pool di nodi

Puoi abilitare NVIDIA MPS con GPU quando crei manualmente nuovi pool di nodi in un cluster GKE. Crea un pool di nodi con NVIDIA MPS abilitato utilizzando la CLI Google Cloud:

gcloud container node-pools create NODEPOOL_NAME \
    --cluster=CLUSTER_NAME \
    --machine-type=MACHINE_TYPE \
    --region=COMPUTE_REGION \
    --accelerator=type=GPU_TYPE,count=GPU_QUANTITY,gpu-sharing-strategy=mps,max-shared-clients-per-gpu=CONTAINER_PER_GPU,gpu-driver-version=DRIVER_VERSION

Sostituisci quanto segue:

  • NODEPOOL_NAME: il nome del nuovo pool di nodi.
  • CLUSTER_NAME: il nome del cluster, che deve eseguire GKE 1.27.7-gke.1088000 o versioni successive.
  • COMPUTE_REGION: la regione Compute Engine del cluster. Per i cluster di zona, specifica --zone=COMPUTE_ZONE.
  • MACHINE_TYPE: il tipo di macchina Compute Engine per dai nodi. Per le GPU A100, utilizza un tipo di macchina A2. Per tutti per altre GPU, utilizza Tipo di macchina N1.
  • GPU_TYPE: il tipo di GPU, che deve essere una piattaforma GPU NVIDIA Tesla come nvidia-tesla-v100.
  • GPU_QUANTITY: il numero di GPU fisiche da collegare a ciascun nodo nel pool di nodi.
  • CONTAINER_PER_GPU: il numero massimo di contenitori che possono condividere ogni GPU fisica.

  • DRIVER_VERSION: la versione del driver NVIDIA da installare. Può corrispondere a uno dei seguenti:

    • default: installa la versione del driver predefinita per GKE completamente gestita.
    • latest: installa l'ultima versione del driver disponibile per GKE completamente gestita. Disponibile solo per i nodi che utilizzano Container-Optimized OS.
    • disabled: salta l'installazione automatica del driver. Devi installare manualmente un driver dopo la creazione del pool di nodi. Se ometti gpu-driver-version, questa è l'opzione predefinita.

Installa i driver di dispositivo GPU NVIDIA

Se hai scelto di disattivare l'installazione automatica dei driver durante la creazione del cluster o se utilizzi una versione di GKE precedente alla 1.27.2-gke.1200, devi installare manualmente un driver NVIDIA compatibile per gestire la suddivisione MPS di NVIDIA delle GPU fisiche. Per installare i driver, implementa un DaemonSet di installazione GKE che li configura.

Per le istruzioni, consulta Installazione dei driver di dispositivo GPU NVIDIA.

Verifica le risorse GPU disponibili

Puoi verificare che il numero di GPU nei nodi corrisponda al numero specificato quando hai abilitato NVIDIA MPS. Puoi anche verificare che NVIDIA MPS il daemon di controllo è in esecuzione.

Verifica le risorse GPU disponibili sui nodi

Per verificare le risorse GPU disponibili sui nodi, esegui questo comando:

kubectl describe nodes NODE_NAME

Sostituisci NODE_NAME con il nome del tuo nodo.

L'output è simile al seguente:

...
Capacity:
  ...
  nvidia.com/gpu:             3
Allocatable:
  ...
  nvidia.com/gpu:             3

In questo output, il numero di risorse GPU sul nodo è 3 a causa dei seguenti valori:

  • Il valore in max-shared-clients-per-gpu è 3.
  • Il count di GPU fisiche da collegare al nodo è 1. Se il count di GPU fisiche fosse 2, l'output mostrerebbe 6 risorse GPU allocabili, tre su ogni GPU fisica.

Verifica che il daemon di controllo MPS sia in esecuzione

Il plug-in del dispositivo GPU esegue un controllo di integrità sul daemon di controllo MPS. Quando il daemon di controllo MPS è integro, puoi eseguire il deployment di un container.

Per verificare che l'MPS sia uno stato, esegui questo comando:

kubectl logs -l k8s-app=nvidia-gpu-device-plugin -n kube-system --tail=100 | grep MPS

L'output è simile al seguente:

I1118 08:08:41.732875       1 nvidia_gpu.go:75] device-plugin started
...
I1110 18:57:54.224832       1 manager.go:285] MPS is healthy, active thread percentage = 100.0
...

Nell'output potresti notare che si sono verificati i seguenti eventi:

  • L'errore failed to start GPU device manager precede l'errore MPS is healthy. Questo errore è temporaneo. Se vedi l'icona MPS is healthy il daemon di controllo è in esecuzione.
  • Il messaggio active thread percentage = 100.0 indica che l'intero codice La risorsa GPU ha un thread completamente attivo.

Esegui il deployment di carichi di lavoro che utilizzano MPS

In qualità di operatore di applicazioni che esegue il deployment di carichi di lavoro GPU, GKE condividere unità di condivisione MPS nella stessa GPU fisica. Nel seguente manifest, richiedi una GPU fisica e imposta max-shared-clients-per-gpu=3. La GPU fisica riceve tre unità di condivisione MPS e avvia un job nvidia/samples:nbody con tre pod (container) in esecuzione in parallelo.

  1. Salva il manifest come gpu-mps.yaml:

      apiVersion: batch/v1
  kind: Job
  metadata:
    name: nbody-sample
  spec:
    completions: 3
    parallelism: 3
    template:
      spec:
        hostIPC: true
        nodeSelector:
          cloud.google.com/gke-gpu-sharing-strategy: mps
        containers:
          - name: nbody-sample
            image: nvidia/samples:nbody
            command: ["/tmp/nbody"]
            args: ["-benchmark", "-i=5000"]
            resources:
              limits:
                nvidia.com/gpu: 1
        restartPolicy: "Never"
    backoffLimit: 1

    In questo manifest:

    • hostIPC: true consente ai pod di comunicare con il demone di controllo MPS. È obbligatorio. Tuttavia, tieni presente che la configurazione di hostIPC: true consente un container per accedere alla risorsa host, il che introduce rischi per la sicurezza.
    • 5000 iterazioni vengono eseguite in modalità benchmark.

  2. Applica il manifest:

    kubectl apply -f gpu-mps.yaml

  3. Verifica che tutti i pod siano in esecuzione:

    kubectl get pods

    L'output è simile al seguente:

    NAME                           READY   STATUS    RESTARTS   AGE
nbody-sample-6948ff4484-54p6q   1/1     Running   0          2m6s
nbody-sample-6948ff4484-5qs6n   1/1     Running   0          2m6s
nbody-sample-6948ff4484-5zpdc   1/1     Running   0          2m5s

  4. Controlla i log dei pod per verificare che il job sia stato completato:

    kubectl logs -l job-name=nbody-sample -f

    L'output è simile al seguente:

    ...
> Compute 8.9 CUDA device: [NVIDIA L4]
18432 bodies, total time for 5000 iterations: 9907.976 ms
= 171.447 billion interactions per second
= 3428.941 single-precision GFLOP/s at 20 flops per interaction
...

    Poiché GKE esegue 50.000 iterazioni, il log potrebbe richiedere diversi minuti.

Esegui la pulizia

Elimina i job e tutti i relativi pod eseguendo il seguente comando:

kubectl delete job --all

Limitare la memoria del dispositivo bloccata e il thread attivo con NVIDIA MPS

Per impostazione predefinita, quando utilizzi GPU con NVIDIA MPS su GKE, quanto segue Le variabili di ambiente CUDA vengono inserite nel carico di lavoro GPU:

  • CUDA_MPS_ACTIVE_THREAD_PERCENTAGE: questa variabile indica la percentuale di i thread disponibili utilizzabili da ogni unità di condivisione MPS. Per impostazione predefinita, ogni unità di condivisione MPS della GPU è impostata su 100 / MaxSharedClientsPerGPU per ottenere una fetta uguale del calcolo della GPU in termini di multiprocessore stream.

  • CUDA_MPS_PINNED_DEVICE_MEM_LIMIT: questa variabile limita la quantità di memoria GPU che può essere allocata da un'unità di condivisione MPS della GPU. Per impostazione predefinita, ogni L'unità di condivisione MPS della GPU è impostata su total mem / MaxSharedClientsPerGPU su una porzione uguale di memoria GPU.

Per impostare il limite delle risorse per i carichi di lavoro GPU, configura queste variabili di ambiente NVIDIA MPS:

  1. Esamina e crea l'immagine dell'esempio cuda-mps in GitHub.

  2. Salva il seguente manifest come cuda-mem-and-sm-count.yaml:

    apiVersion: v1
kind: Pod
metadata:
  name: cuda-mem-and-sm-count
spec:
  hostIPC: true
  nodeSelector:
    cloud.google.com/gke-gpu-sharing-strategy: mps
  containers:
    - name: cuda-mem-and-sm-count
      image: CUDA_MPS_IMAGE
      securityContext:
        privileged: true
      resources:
        limits:
          nvidia.com/gpu: 1

    Sostituisci CUDA_MPS_IMAGE con il nome dell'immagine che hai creato per l'esempio cuda-mps.

    NVIDIA MPS richiede l'impostazione di hostIPC:true sui pod. hostIPC:true consente al container di accedere alla risorsa host, il che introduce e rischi per la sicurezza.

  3. Applica il manifest:

    kubectl apply -f cuda-mem-and-sm-count.yaml

  4. Controlla i log per questo pod:

    kubectl logs cuda-mem-and-sm-count

    In un esempio che utilizza NVIDIA Tesla® L4 con gpu-sharing-strategy=mps e max-shared-clients-per-gpu=3, l'output è simile al seguente:

    For device 0:  Free memory: 7607 M, Total memory: 22491 M
For device 0:  multiProcessorCount: 18

    In questo esempio, NVIDIA Tesla® La GPU L4 ha un conteggio di 60 SM e 24 GB di memoria. Ogni unità di condivisione MPS riceve circa il 33% di thread attivo e 8 GB la memoria.

  5. Aggiorna il manifest per richiedere 2 nvidia.com/gpu:

      resources:
        limits:
          nvidia.com/gpu: 2

    L'output è simile al seguente:

    For device 0:  Free memory: 15230 M, Total memory: 22491 M
For device 0:  multiProcessorCount: 38

  6. Aggiorna il file manifest per eseguire l'override di CUDA_MPS_ACTIVE_THREAD_PERCENTAGE e CUDA_MPS_PINNED_DEVICE_MEM_LIMIT variabili:

      env:
    - name: CUDA_MPS_ACTIVE_THREAD_PERCENTAGE
      value: "20"
    - name: CUDA_MPS_PINNED_DEVICE_MEM_LIMIT
      value: "0=8000M"

    L'output è simile al seguente:

    For device 0:  Free memory: 7952 M, Total memory: 22491 M
For device 0:  multiProcessorCount: 10

Limitazioni

  • L'MPS sulle GPU pre-Volta (P100) ha funzionalità limitate rispetto ai tipi di GPU in Volta e versioni successive.
  • Con NVIDIA MPS, GKE garantisce che a ogni contenitore venga assegnata una quantità limitata di memoria del dispositivo bloccata e di thread attivi. Tuttavia, altre risorse come la larghezza di banda della memoria, gli encoder o i decodificatori non vengono acquisite nell'ambito di questi limiti di risorse. Di conseguenza, i contenitori potrebbero influire negativamente sul rendimento di altri contenitori se richiedono tutti la stessa risorsa illimitata.
  • NVIDIA MPS offre protezione della memoria e contenimento degli errori limitazioni. I nostri suggerimenti di valutare queste limitazioni per garantire la compatibilità con carichi di lavoro con scale out impegnativi.
  • NVIDIA MPS richiede l'impostazione di hostIPC:true sui pod. hostIPC:true consente al container di accedere alla risorsa host, il che introduce e rischi per la sicurezza.
  • GKE potrebbe rifiutare determinate richieste di GPU quando si utilizza NVIDIA MPS per evitare comportamenti inaspettati durante l'allocazione della capacità. Per maggiori dettagli, consulta Limiti di richiesta per le soluzioni di condivisione della GPU.
  • Il numero massimo di container che possono condividere una singola GPU fisica con NVIDIA MPS è 48 (le GPU pre-Volta supportano solo 16). Quando pianifichi la configurazione di NVIDIA MPS, tieni conto delle esigenze di risorse dei tuoi carichi di lavoro e della capacità delle GPU fisiche sottostanti per ottimizzare le prestazioni e la reattività.
  • La configurazione dell'API NVIDIA MPS è supportata solo utilizzando Google Cloud CLI o la console Google Cloud.

Passaggi successivi