Mempercepat pemuatan data AI/ML dengan Hyperdisk ML

Panduan ini membahas cara menyederhanakan dan mempercepat pemuatan bobot model AI/ML di Google Kubernetes Engine (GKE) menggunakan Hyperdisk ML. Driver CSI Persistent Disk Compute Engine adalah cara utama untuk mengakses Penyimpanan ML Hyperdisk dengan cluster GKE.

Ringkasan

Hyperdisk ML adalah solusi penyimpanan berperforma tinggi yang dapat digunakan untuk menskalakan aplikasi Anda. Layanan ini memberikan throughput gabungan yang tinggi ke banyak virtual machine secara serentak, sehingga ideal jika Anda ingin menjalankan workload AI/ML yang memerlukan akses ke data dalam jumlah besar.

Jika diaktifkan dalam mode banyak hanya baca, Anda dapat menggunakan Hyperdisk ML untuk mempercepat pemuatan bobot model hingga 11,9X dibandingkan dengan pemuatan langsung dari registry model. Percepatan ini dimungkinkan oleh arsitektur Hyperdisk Google Cloud yang memungkinkan penskalaan hingga 2.500 node serentak dengan kecepatan 1,2 TB/s. Hal ini memungkinkan Anda mendorong waktu pemuatan yang lebih baik dan mengurangi penyediaan Pod yang berlebihan untuk workload inferensi AI/ML.

Langkah-langkah tingkat tinggi untuk membuat dan menggunakan Hyperdisk ML adalah sebagai berikut:

  1. Menyimpan data dalam cache atau menghidrasi data dalam image disk Persistent Disk: Memuat volume ML Hyperdisk dengan data dari sumber data eksternal (misalnya, bobot Gemma yang dimuat dari Cloud Storage) yang dapat digunakan untuk penayangan. Persistent Disk untuk image disk harus kompatibel dengan Google Cloud Hyperdisk.
  2. Membuat volume Hyperdisk ML menggunakan Hyperdisk Google Cloud yang sudah ada: Buat volume Kubernetes yang mereferensikan volume Hyperdisk ML yang dimuat dengan data. Jika ingin, Anda dapat membuat class penyimpanan multi-zona untuk memastikan data Anda tersedia di semua zona tempat Pod akan berjalan.
  3. Membuat Deployment Kubernetes untuk menggunakan volume Hyperdisk ML: Mereferensikan volume Hyperdisk ML dengan pemuatan data yang dipercepat untuk digunakan aplikasi Anda.

Volume Hyperdisk ML multi-zona

Disk Hyperdisk ML hanya tersedia di satu zona. Secara opsional, Anda dapat menggunakan fitur multi-zona Hyperdisk ML untuk menautkan beberapa disk zona secara dinamis yang berisi konten yang sama dalam satu PersistentVolumeClaim dan PersistentVolume logis. Disk zona yang direferensikan oleh fitur multi-zona harus berada di region yang sama. Misalnya, jika cluster regional Anda dibuat di us-central1, disk multi-zona harus berada di region yang sama (misalnya, us-central1-a, us-central1-b).

Kasus penggunaan umum untuk inferensi AI/ML adalah menjalankan Pod di seluruh zona untuk meningkatkan ketersediaan akselerator dan efisiensi biaya dengan Spot VM. Karena Hyperdisk ML bersifat zonal, jika server inferensi Anda menjalankan banyak Pod di seluruh zona, GKE akan otomatis meng-clone disk di seluruh zona untuk memastikan data Anda mengikuti aplikasi Anda.

Hidrasi Hyperdisk ML dari sumber data eksternal dan pembuatan PV multi-zona untuk mengakses data di seluruh zona.

Volume ML Hyperdisk multi-zona memiliki batasan berikut:

  • Operasi perubahan ukuran volume dan snapshot volume tidak didukung.
  • Volume Hyperdisk ML multi-zona hanya didukung dalam mode hanya baca.
  • Saat menggunakan disk yang sudah ada dengan volume Hyperdisk ML multi-zona, GKE tidak melakukan pemeriksaan untuk memvalidasi bahwa konten disk di seluruh zona sama. Jika salah satu disk berisi konten yang berbeda, pastikan aplikasi Anda memperhitungkan potensi inkonsistensi antarzona.

Untuk mempelajari lebih lanjut, lihat Membuat volume ML Hyperdisk ReadOnlyMany multi-zona dari VolumeSnapshot.

Sebelum memulai

Sebelum memulai, pastikan Anda telah menjalankan tugas berikut:

  • Aktifkan Google Kubernetes Engine API.
    • Aktifkan Google Kubernetes Engine API
  • Jika ingin menggunakan Google Cloud CLI untuk tugas ini, instal lalu lakukan inisialisasi gcloud CLI. Jika sebelumnya Anda telah menginstal gcloud CLI, dapatkan versi terbaru dengan menjalankan gcloud components update.
  • Tetapkan region dan zona default ke salah satu nilai yang didukung.
  • Pastikan project Google Cloud Anda memiliki kuota yang memadai untuk membuat node yang diperlukan dalam panduan ini. Contoh kode untuk pembuatan resource cluster GKE dan Kubernetes memerlukan kuota minimum berikut di region pilihan Anda: 88 CPU C3, 8 GPU NVIDIA L4.

Persyaratan

Untuk menggunakan volume Hyperdisk ML di GKE, cluster Anda harus memenuhi persyaratan berikut:

  • Gunakan cluster Linux yang menjalankan GKE versi 1.30.2-gke.1394000 atau yang lebih baru. Jika Anda menggunakan saluran rilis, pastikan saluran tersebut memiliki versi GKE minimum atau yang lebih baru yang diperlukan untuk driver ini.
  • Pastikan driver CSI Persistent Disk Compute Engine diaktifkan. Driver Persistent Disk Compute Engine diaktifkan secara default pada cluster Autopilot dan Standard baru dan tidak dapat dinonaktifkan atau diedit saat menggunakan Autopilot. Jika Anda perlu mengaktifkan driver CSI Persistent Disk Compute Engine dari cluster, lihat artikel Mengaktifkan Driver CSI Persistent Disk Compute Engine di cluster yang ada.
  • Jika Anda ingin menyesuaikan nilai readahead, gunakan GKE versi 1.29.2-gke.1217000 atau yang lebih baru.
  • Jika Anda ingin menggunakan fitur multi-zona yang disediakan secara dinamis, gunakan GKE versi 1.30.2-gke.1394000 atau yang lebih baru.
  • Hyperdisk ML hanya didukung di jenis dan zona node tertentu. Untuk mempelajari lebih lanjut, lihat Tentang Hyperdisk Google Cloud dalam dokumentasi Compute Engine.

Mendapatkan akses ke model

Untuk mendapatkan akses ke model Gemma untuk di-deploy ke GKE, Anda harus menandatangani perjanjian izin lisensi terlebih dahulu, lalu membuat token akses Hugging Face.

Anda harus menandatangani perjanjian izin untuk menggunakan Gemma. Ikuti petunjuk berikut:

  1. Akses halaman izin model di Kaggle.com.
  2. Verifikasi izin menggunakan akun Hugging Face Anda.
  3. Setujui persyaratan model.

Membuat token akses

Untuk mengakses model melalui Hugging Face, Anda memerlukan token Hugging Face.

Ikuti langkah-langkah berikut untuk membuat token baru jika Anda belum memilikinya:

  1. Klik Profil Anda > Setelan > Token Akses.
  2. Pilih New Token.
  3. Tentukan Nama pilihan Anda dan Peran minimal Read.
  4. Pilih Buat token.
  5. Salin token yang dihasilkan ke papan klip Anda.

Membuat cluster GKE

Anda dapat menayangkan LLM di GPU di cluster GKE Autopilot atau Standard. Sebaiknya gunakan cluster Autopilot untuk pengalaman Kubernetes yang dikelola sepenuhnya. Untuk memilih mode operasi GKE yang paling sesuai untuk workload Anda, lihat Memilih mode operasi GKE.

Autopilot

  1. Jalankan perintah berikut di Cloud Shell:

    gcloud container clusters create-auto hdml-gpu-l4 \
  --project=PROJECT \
  --region=REGION \
  --release-channel=rapid \
  --cluster-version=1.30.2-gke.1394000

    Ganti nilai berikut:

    • PROJECT: project ID Google Cloud.
    • REGION: region yang mendukung jenis akselerator yang ingin Anda gunakan, misalnya, us-east4 untuk GPU L4.

    GKE membuat cluster Autopilot dengan node CPU dan GPU seperti yang diminta oleh beban kerja yang di-deploy.

  2. Konfigurasi kubectl untuk berkomunikasi dengan cluster Anda:

    gcloud container clusters get-credentials hdml-gpu-l4 \
  --region=REGION

Standard

  1. Di Cloud Shell, jalankan perintah berikut untuk membuat cluster dan node pool Standard:

    gcloud container clusters create hdml-gpu-l4 \
    --location=REGION \
    --num-nodes=1 \
    --machine-type=c3-standard-44 \
    --release-channel=rapid \
    --cluster-version=CLUSTER_VERSION \
    --node-locations=ZONES \
    --project=PROJECT

gcloud container node-pools create gpupool \
    --accelerator type=nvidia-l4,count=2,gpu-driver-version=latest \
    --location=REGION \
    --project=PROJECT \
    --node-locations=ZONES \
    --cluster=hdml-gpu-l4 \
    --machine-type=g2-standard-24 \
    --num-nodes=2

    Ganti nilai berikut:

    • CLUSTER_VERSION: versi cluster GKE Anda (misalnya, 1.30.2-gke.1394000).
    • REGION: region komputasi untuk bidang kontrol cluster. Region harus mendukung akselerator yang ingin Anda gunakan, misalnya us-east4, untuk GPU L4. Periksa region tempat GPU L4 tersedia.
    • ZONES: zona tempat node dibuat. Anda dapat menentukan zona sebanyak yang diperlukan untuk cluster Anda. Semua zona harus berada di region yang sama dengan bidang kontrol cluster, yang ditentukan oleh flag --zone. Untuk cluster zona, --node-locations harus berisi zona utama cluster.
    • PROJECT: project ID Google Cloud.

    Pembuatan cluster mungkin memerlukan waktu beberapa menit.

  2. Konfigurasi kubectl untuk berkomunikasi dengan cluster Anda:

    gcloud container clusters get-credentials hdml-gpu-l4

Menyimpan data ke image disk Persistent Disk

Untuk menggunakan Hyperdisk ML, Anda harus melakukan pra-cache data dalam image disk, dan membuat volume Hyperdisk ML untuk akses baca oleh beban kerja Anda di GKE. Pendekatan ini (juga disebut pemberian hidrasi data) memastikan bahwa data Anda tersedia saat workload Anda membutuhkannya.

Untuk menyalin data dari Cloud Storage untuk melakukan pra-cache image disk Persistent Disk, ikuti langkah-langkah berikut:

Membuat StorageClass yang mendukung Hyperdisk ML

  1. Simpan manifes StorageClass berikut dalam file bernama hyperdisk-ml.yaml.

    apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
    name: hyperdisk-ml
parameters:
    type: hyperdisk-ml
provisioner: pd.csi.storage.gke.io
allowVolumeExpansion: false
reclaimPolicy: Delete
volumeBindingMode: WaitForFirstConsumer

  2. Buat StorageClass dengan menjalankan perintah ini:

    kubectl create -f hyperdisk-ml.yaml

Membuat PersistentVolumeClaim ReadWriteOnce (RWO)

  1. Simpan manifes PersistentVolumeClaim berikut dalam file bernama producer-pvc.yaml. Anda akan menggunakan StorageClass yang dibuat sebelumnya. Pastikan disk Anda memiliki kapasitas yang memadai untuk menyimpan data.

    kind: PersistentVolumeClaim
apiVersion: v1
metadata:
  name: producer-pvc
spec:
  storageClassName: hyperdisk-ml
  accessModes:
  - ReadWriteOnce
  resources:
    requests:
      storage: 300Gi

  2. Buat PersistentVolumeClaim dengan menjalankan perintah ini:

    kubectl create -f producer-pvc.yaml

Membuat Tugas Kubernetes untuk mengisi volume Google Cloud Hyperdisk yang terpasang

Bagian ini menunjukkan contoh pembuatan Tugas Kubernetes yang menyediakan disk dan mendownload model yang disesuaikan dengan petunjuk Gemma 7B dari Hugging Face ke volume Google Cloud Hyperdisk yang terpasang.

  1. Untuk mengakses Gemma LLM yang digunakan contoh dalam panduan ini, buat Kubernetes Secret yang berisi token Hugging Face:

    kubectl create secret generic hf-secret \
    --from-literal=hf_api_token=HF_TOKEN\
    --dry-run=client -o yaml | kubectl apply -f -

    Ganti HF_TOKEN dengan token Hugging Face yang Anda buat sebelumnya.

  2. Simpan contoh manifes berikut sebagai producer-job.yaml:

    apiVersion: batch/v1
kind: Job
metadata:
  name: producer-job
spec:
  template:  # Template for the Pods the Job will create
    spec:
      affinity:
        nodeAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
            nodeSelectorTerms:
            - matchExpressions:
              - key: cloud.google.com/compute-class
                operator: In
                values:
                - "Performance"
            - matchExpressions:
              - key: cloud.google.com/machine-family
                operator: In
                values:
                - "c3"
            - matchExpressions:
              - key: topology.kubernetes.io/zone
                operator: In
                values:
                - "ZONE"
      containers:
      - name: copy
        resources:
          requests:
            cpu: "32"
          limits:
            cpu: "32"
        image: huggingface/downloader:0.17.3
        command: [ "huggingface-cli" ]
        args:
        - download
        - google/gemma-1.1-7b-it
        - --local-dir=/data/gemma-7b
        - --local-dir-use-symlinks=False
        env:
        - name: HUGGING_FACE_HUB_TOKEN
          valueFrom:
            secretKeyRef:
              name: hf-secret
              key: hf_api_token
        volumeMounts:
          - mountPath: "/data"
            name: volume
      restartPolicy: Never
      volumes:
        - name: volume
          persistentVolumeClaim:
            claimName: producer-pvc
  parallelism: 1         # Run 1 Pods concurrently
  completions: 1         # Once 1 Pods complete successfully, the Job is done
  backoffLimit: 4        # Max retries on failure

    Ganti ZONE dengan zona komputasi tempat Anda ingin Hyperdisk dibuat. Jika Anda menggunakannya dengan contoh Deployment, pastikan zona tersebut memiliki kapasitas mesin G2.

  3. Buat Tugas dengan menjalankan perintah ini:

    kubectl apply -f producer-job.yaml

    Mungkin perlu waktu beberapa menit hingga Tugas selesai menyalin data ke volume Disk Permanen. Saat Tugas menyelesaikan penyediaan, statusnya akan ditandai "Selesai".

  4. Untuk memeriksa progres status Tugas, jalankan perintah berikut:

    kubectl get job producer-job

  5. Setelah Tugas selesai, Anda dapat membersihkan Tugas dengan menjalankan perintah ini:

    kubectl delete job producer-job

Membuat volume ML Hyperdisk ReadOnlyMany dari Google Cloud Hyperdisk yang sudah ada

Bagian ini membahas langkah-langkah untuk membuat pasangan PersistentVolume dan PersistentVolumeClaim ReadOnlyMany (ROM) dari volume Hyperdisk Google Cloud yang sudah ada. Untuk mempelajari lebih lanjut, lihat Menggunakan persistent disk yang sudah ada sebagai PersistentVolumes.

  1. Di GKE versi 1.30.2-gke.1394000 dan yang lebih baru, GKE otomatis mengonversi mode akses volume Hyperdisk Google Cloud READ_WRITE_SINGLE ke READ_ONLY_MANY.

    Jika menggunakan volume Google Cloud Hyperdisk yang sudah ada di versi GKE sebelumnya, Anda harus mengubah mode akses secara manual dengan menjalankan perintah berikut:

    gcloud compute disks update HDML_DISK_NAME \
    --zone=ZONE \
    --access-mode=READ_ONLY_MANY

    Ganti nilai berikut:

    • HDML_DISK_NAME: nama volume Hyperdisk ML Anda.
    • ZONE: zona komputasi tempat volume Hyperdisk Google Cloud yang sudah ada dibuat.

  2. Buat pasangan PersistentVolume dan PersistentVolumeClaim, yang mereferensikan disk yang sebelumnya Anda isi.

    1. Simpan manifes berikut sebagai hdml-static-pv.yaml:

      apiVersion: v1
kind: PersistentVolume
metadata:
  name: hdml-static-pv
spec:
  storageClassName: "hyperdisk-ml"
  capacity:
    storage: 300Gi
  accessModes:
    - ReadOnlyMany
  claimRef:
    namespace: default
    name: hdml-static-pvc
  csi:
    driver: pd.csi.storage.gke.io
    volumeHandle: projects/PROJECT/zones/ZONE/disks/DISK_NAME
    fsType: ext4
    readOnly: true
  nodeAffinity:
    required:
      nodeSelectorTerms:
      - matchExpressions:
        - key: topology.gke.io/zone
          operator: In
          values:
          - ZONE
---
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  namespace: default
  name: hdml-static-pvc
spec:
  storageClassName: "hyperdisk-ml"
  volumeName: hdml-static-pv
  accessModes:
  - ReadOnlyMany
  resources:
    requests:
      storage: 300Gi

      Ganti nilai berikut:

      • PROJECT: project tempat cluster GKE Anda dibuat.
      • ZONE: zona tempat volume Hyperdisk Google Cloud yang sudah ada dibuat.
      • DISK_NAME: nama volume Google Cloud Hyperdisk yang sudah ada.

    2. Buat resource PersistentVolume dan PersistentVolumeClaim dengan menjalankan perintah ini:

      kubectl apply -f hdml-static-pv.yaml

Membuat volume Hyperdisk ML ReadOnlyMany multi-zona dari VolumeSnapshot

Bagian ini membahas langkah-langkah untuk membuat volume Hyperdisk ML multi-zona dalam mode akses ReadOnlyMany. Anda menggunakan VolumeSnapshot untuk image disk Persistent Disk yang sudah ada. Untuk mempelajari lebih lanjut, lihat Mencadangkan penyimpanan Persistent Disk menggunakan snapshot volume.

Untuk membuat volume Hyperdisk ML multi-zona, ikuti langkah-langkah berikut:

Membuat VolumeSnapshot disk Anda

  1. Simpan manifes berikut sebagai file bernama disk-image-vsc.yaml.

    apiVersion: snapshot.storage.k8s.io/v1
kind: VolumeSnapshotClass
metadata:
  name: disk-image-vsc
driver: pd.csi.storage.gke.io
deletionPolicy: Delete
parameters:
  snapshot-type: images

  2. Buat VolumeSnapshotClass dengan menjalankan perintah berikut:

    kubectl apply -f disk-image-vsc.yaml

  3. Simpan manifes berikut sebagai file bernama my-snapshot.yaml. Anda akan merujuk ke PersistentVolumeClaim yang dibuat sebelumnya di Membuat PersistentVolumeClaim ReadWriteOnce (RWO).

    apiVersion: snapshot.storage.k8s.io/v1
kind: VolumeSnapshot
metadata:
  name: my-snapshot
spec:
  volumeSnapshotClassName: disk-image-vsc
  source:
    persistentVolumeClaimName: producer-pvc

  4. Buat VolumeSnapshot dengan menjalankan perintah berikut:

    kubectl apply -f my-snapshot.yaml

  5. Jika VolumeSnapshot ditandai "Siap", jalankan perintah berikut untuk membuat volume Hyperdisk ML:

    kubectl wait --for=jsonpath='{.status.readyToUse}'=true \
    --timeout=300s volumesnapshot my-snapshot

Membuat StorageClass multi-zona

Jika Anda ingin salinan data dapat diakses di lebih dari satu zona, tentukan parameter enable-multi-zone-provisioning di StorageClass, yang membuat disk di zona yang Anda tentukan di kolom allowedTopologies.

Untuk membuat StorageClass, ikuti langkah-langkah berikut:

  1. Simpan manifes berikut sebagai file bernama hyperdisk-ml-multi-zone.yaml.

    apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
  name: hyperdisk-ml-multi-zone
parameters:
  type: hyperdisk-ml
  provisioned-throughput-on-create: "2400Mi"
  enable-multi-zone-provisioning: "true"
provisioner: pd.csi.storage.gke.io
allowVolumeExpansion: false
reclaimPolicy: Delete
volumeBindingMode: Immediate
allowedTopologies:
- matchLabelExpressions:
  - key: topology.gke.io/zone
    values:
    - ZONE_1
    - ZONE_2

    Ganti ZONE_1, ZONE_2, ..., ZONE_N dengan zona tempat penyimpanan Anda dapat diakses.

    Contoh ini menetapkan volumeBindingMode ke Immediate, yang memungkinkan GKE menyediakan PersistentVolumeClaim sebelum konsumen mereferensikannya.

  2. Buat StorageClass dengan menjalankan perintah berikut:

    kubectl apply -f hyperdisk-ml-multi-zone.yaml

Membuat PersistentVolumeClaim yang menggunakan StorageClass multi-zona

Langkah berikutnya adalah membuat PersistentVolumeClaim yang mereferensikan StorageClass.

GKE menggunakan konten image disk yang ditentukan untuk menyediakan volume Hyperdisk ML secara otomatis di setiap zona yang ditentukan dalam snapshot Anda.

Untuk membuat PersistentVolumeClaim, ikuti langkah-langkah berikut:

  1. Simpan manifes berikut sebagai file bernama hdml-consumer-pvc.yaml.

    kind: PersistentVolumeClaim
apiVersion: v1
metadata:
  name: hdml-consumer-pvc
spec:
  dataSource:
    name: my-snapshot
    kind: VolumeSnapshot
    apiGroup: snapshot.storage.k8s.io
  accessModes:
  - ReadOnlyMany
  storageClassName: hyperdisk-ml-multi-zone
  resources:
    requests:
      storage: 300Gi

  2. Buat PersistentVolumeClaim dengan menjalankan perintah berikut:

    kubectl apply -f hdml-consumer-pvc.yaml

Membuat Deployment untuk menggunakan volume ML Hyperdisk

Saat menggunakan Pod dengan PersistentVolumes, sebaiknya gunakan pengontrol workload (seperti Deployment atau StatefulSet).

Jika Anda ingin menggunakan PersistentVolume yang sudah ada dalam mode ReadOnlyMany dengan Deployment, lihat Menggunakan persistent disk dengan beberapa pembaca.

Untuk membuat dan menguji Deployment, ikuti langkah-langkah berikut:

  1. Simpan contoh manifes berikut sebagai vllm-gemma-deployment.

    apiVersion: apps/v1
kind: Deployment
metadata:
  name: vllm-gemma-deployment
spec:
  replicas: 2
  selector:
    matchLabels:
      app: gemma-server
  template:
    metadata:
      labels:
        app: gemma-server
        ai.gke.io/model: gemma-7b
        ai.gke.io/inference-server: vllm
    spec:
      affinity:
        podAntiAffinity:
          preferredDuringSchedulingIgnoredDuringExecution:
          - weight: 100
            podAffinityTerm:
              labelSelector:
                matchExpressions:
                - key: security
                  operator: In
                  values:
                  - S2
              topologyKey: topology.kubernetes.io/zone
      containers:
      - name: inference-server
        image: us-docker.pkg.dev/vertex-ai/vertex-vision-model-garden-dockers/pytorch-vllm-serve:latest
        resources:
          requests:
            cpu: "2"
            memory: "25Gi"
            ephemeral-storage: "25Gi"
            nvidia.com/gpu: 2
          limits:
            cpu: "2"
            memory: "25Gi"
            ephemeral-storage: "25Gi"
            nvidia.com/gpu: 2
        command: ["python3", "-m", "vllm.entrypoints.api_server"]
        args:
        - --model=$(MODEL_ID)
        - --tensor-parallel-size=2
        env:
        - name: MODEL_ID
          value: /models/gemma-7b
        volumeMounts:
        - mountPath: /dev/shm
          name: dshm
        - mountPath: /models
          name: gemma-7b
      volumes:
      - name: dshm
        emptyDir:
            medium: Memory
      - name: gemma-7b
        persistentVolumeClaim:
          claimName: CLAIM_NAME
      nodeSelector:
        cloud.google.com/gke-accelerator: nvidia-l4
---
apiVersion: v1
kind: Service
metadata:
  name: llm-service
spec:
  selector:
    app: gemma-server
  type: ClusterIP
  ports:
    - protocol: TCP
      port: 8000
      targetPort: 8000

    Ganti CLAIM_NAME dengan salah satu nilai berikut:

    • hdml-static-pvc: jika Anda menggunakan volume Hyperdisk ML dari Google Cloud Hyperdisk yang ada.
    • hdml-consumer-pvc: jika Anda menggunakan volume Hyperdisk ML dari image disk VolumeSnapshot.

  2. Jalankan perintah berikut untuk menunggu server inferensi tersedia:

    kubectl wait --for=condition=Available --timeout=700s deployment/vllm-gemma-deployment

  3. Untuk menguji apakah server vLLM Anda sudah aktif dan berjalan, ikuti langkah-langkah berikut:

    1. Jalankan perintah berikut untuk menyiapkan penerusan port ke model:

      kubectl port-forward service/llm-service 8000:8000

    2. Jalankan perintah curl untuk mengirim permintaan ke model:

      USER_PROMPT="I'm new to coding. If you could only recommend one programming language to start with, what would it be and why?"

curl -X POST http://localhost:8000/generate \
-H "Content-Type: application/json" \
-d @- <<EOF
{
    "prompt": "<start_of_turn>user\n${USER_PROMPT}<end_of_turn>\n",
    "temperature": 0.90,
    "top_p": 1.0,
    "max_tokens": 128
}
EOF

    Output berikut menunjukkan contoh respons model:

    {"predictions":["Prompt:\n<start_of_turn>user\nI'm new to coding. If you could only recommend one programming language to start with, what would it be and why?<end_of_turn>\nOutput:\nPython is often recommended for beginners due to its clear, readable syntax, simple data types, and extensive libraries.\n\n**Reasons why Python is a great language for beginners:**\n\n* **Easy to read:** Python's syntax is straightforward and uses natural language conventions, making it easier for beginners to understand the code.\n* **Simple data types:** Python has basic data types like integers, strings, and lists that are easy to grasp and manipulate.\n* **Extensive libraries:** Python has a vast collection of well-documented libraries covering various tasks, allowing beginners to build projects without reinventing the wheel.\n* **Large supportive community:**"]}

Menyesuaikan nilai readahead

Jika Anda memiliki workload yang melakukan I/O berurutan, workload tersebut dapat memperoleh manfaat dari penyesuaian nilai readahead. Hal ini biasanya berlaku untuk beban kerja inferensi atau pelatihan yang perlu memuat bobot model AI/ML ke dalam memori. Sebagian besar beban kerja dengan I/O berurutan biasanya mengalami peningkatan performa dengan nilai readahead 1024 KB atau lebih tinggi.

Anda dapat menentukan opsi ini melalui opsi pemasangan read_ahead_kb saat menyediakan PersistentVolume baru secara statis atau saat mengubah PersistentVolume yang sudah ada dan disediakan secara dinamis.

Contoh berikut menunjukkan cara menyesuaikan nilai readahead ke 4096 KB.

apiVersion: v1
kind: PersistentVolume
  name: DISK_NAME
spec:
  accessModes:
  - ReadOnlyMany
  capacity:
    storage: 300Gi
  csi:
    driver: pd.csi.storage.gke.io
    fsType: ext4
    readOnly: true
    volumeHandle: projects/PROJECT/zones/ZONE/disks/DISK_NAME
  nodeAffinity:
    required:
      nodeSelectorTerms:
      - matchExpressions:
        - key: topology.gke.io/zone
          operator: In
          values:
          - ZONE
  storageClassName: hyperdisk-ml
  mountOptions:
  - read_ahead_kb=4096

Ganti nilai berikut:

  • DISK_NAME: nama volume Google Cloud Hyperdisk yang sudah ada.
  • ZONE: zona tempat volume Hyperdisk Google Cloud yang sudah ada dibuat.

Menguji dan menjalankan benchmark performa volume Hyperdisk ML

Bagian ini menunjukkan cara menggunakan Penguji I/O Fleksibel (FIO) untuk menetapkan tolok ukur performa volume ML Hyperdisk untuk membaca data yang sudah ada . Anda dapat menggunakan metrik ini untuk mengevaluasi performa volume untuk beban kerja dan konfigurasi tertentu.

  1. Simpan contoh manifes berikut sebagai benchmark-job.yaml:

    apiVersion: batch/v1
kind: Job
metadata:
  name: benchmark-job
spec:
  template:  # Template for the Pods the Job will create
    spec:
      affinity:
        nodeAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
            nodeSelectorTerms:
            - matchExpressions:
              - key: cloud.google.com/compute-class
                operator: In
                values:
                - "Performance"
            - matchExpressions:
              - key: cloud.google.com/machine-family
                operator: In
                values:
                - "c3"

      containers:
      - name: fio
        resources:
          requests:
            cpu: "32"
        image: litmuschaos/fio
        args:
        - fio
        - --filename
        - /models/gemma-7b/model-00001-of-00004.safetensors:/models/gemma-7b/model-00002-of-00004.safetensors:/models/gemma-7b/model-00003-of-00004.safetensors:/models/gemma-7b/model-00004-of-00004.safetensors:/models/gemma-7b/model-00004-of-00004.safetensors
        - --direct=1
        - --rw=read
        - --readonly
        - --bs=4096k
        - --ioengine=libaio
        - --iodepth=8
        - --runtime=60
        - --numjobs=1
        - --name=read_benchmark
        volumeMounts:
        - mountPath: "/models"
          name: volume
      restartPolicy: Never
      volumes:
      - name: volume
        persistentVolumeClaim:
          claimName: hdml-static-pvc
  parallelism: 1         # Run 1 Pods concurrently
  completions: 1         # Once 1 Pods complete successfully, the Job is done
  backoffLimit: 1        # Max retries on failure

    Ganti CLAIM_NAME dengan nama PersistentVolumeClaim Anda (misalnya, hdml-static-pvc).

  2. Buat Tugas dengan menjalankan perintah berikut:

    kubectl apply -f benchmark-job.yaml.

  3. Gunakan log kubectl untuk melihat output alat fio:

    kubectl logs benchmark-job-nrk88 -f

    Outputnya terlihat mirip dengan yang berikut ini:

    read_benchmark: (g=0): rw=read, bs=4M-4M/4M-4M/4M-4M, ioengine=libaio, iodepth=8
fio-2.2.10
Starting 1 process

read_benchmark: (groupid=0, jobs=1): err= 0: pid=32: Fri Jul 12 21:29:32 2024
read : io=18300MB, bw=2407.3MB/s, iops=601, runt=  7602msec
    slat (usec): min=86, max=1614, avg=111.17, stdev=64.46
    clat (msec): min=2, max=33, avg=13.17, stdev= 1.08
    lat (msec): min=2, max=33, avg=13.28, stdev= 1.06
    clat percentiles (usec):
    |  1.00th=[11072],  5.00th=[12352], 10.00th=[12608], 20.00th=[12736],
    | 30.00th=[12992], 40.00th=[13120], 50.00th=[13248], 60.00th=[13376],
    | 70.00th=[13504], 80.00th=[13632], 90.00th=[13888], 95.00th=[14016],
    | 99.00th=[14400], 99.50th=[15296], 99.90th=[22144], 99.95th=[25728],
    | 99.99th=[33024]
    bw (MB  /s): min= 2395, max= 2514, per=100.00%, avg=2409.79, stdev=29.34
    lat (msec) : 4=0.39%, 10=0.31%, 20=99.15%, 50=0.15%
cpu          : usr=0.28%, sys=8.08%, ctx=4555, majf=0, minf=8203
IO depths    : 1=0.1%, 2=0.1%, 4=0.1%, 8=99.8%, 16=0.0%, 32=0.0%, >=64=0.0%
    submit    : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
    complete  : 0=0.0%, 4=100.0%, 8=0.1%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
    issued    : total=r=4575/w=0/d=0, short=r=0/w=0/d=0, drop=r=0/w=0/d=0
    latency   : target=0, window=0, percentile=100.00%, depth=8

Run status group 0 (all jobs):
READ: io=18300MB, aggrb=2407.3MB/s, minb=2407.3MB/s, maxb=2407.3MB/s, mint=7602msec, maxt=7602msec

Disk stats (read/write):
nvme0n2: ios=71239/0, merge=0/0, ticks=868737/0, in_queue=868737, util=98.72%

Memantau throughput atau IOPS pada volume Hyperdisk ML

Untuk memantau performa yang disediakan untuk volume ML Hyperdisk Anda, lihat Menganalisis IOPS dan throughput yang disediakan dalam dokumentasi Compute Engine.

Untuk memperbarui throughput atau IOPS yang disediakan untuk volume Hyperdisk ML yang ada, atau untuk mempelajari parameter Google Cloud Hyperdisk tambahan yang dapat Anda tentukan di StorageClass, lihat Menskalakan performa penyimpanan menggunakan Google Cloud Hyperdisk.

Pemecahan masalah

Bagian ini berisi panduan pemecahan masalah untuk menyelesaikan masalah volume Hyperdisk ML di GKE.

Mode akses disk tidak dapat diperbarui

Error berikut terjadi saat volume ML Hyperdisk sudah digunakan oleh dan dilampirkan oleh node dalam mode akses ReadWriteOnce.

AttachVolume.Attach failed for volume ... Failed to update access mode:
failed to set access mode for zonal volume ...
'Access mode cannot be updated when the disk is attached to instance(s).'., invalidResourceUsage

GKE otomatis memperbarui accessMode volume Hyperdisk ML dari READ_WRITE_SINGLE menjadi READ_ONLY_MANY, saat digunakan oleh PersistentVolume mode akses ReadOnlyMany. Pembaruan ini dilakukan saat disk disertakan ke node baru.

Untuk mengatasi masalah ini, hapus semua Pod yang mereferensikan disk menggunakan PersistentVolume dalam mode ReadWriteOnce. Tunggu hingga disk dilepaskan, lalu buat ulang workload yang menggunakan PersistentVolume dalam mode ReadOnlyMany.

Disk tidak dapat dilampirkan dengan mode READ_WRITE

Error berikut menunjukkan bahwa GKE mencoba melampirkan volume Hyperdisk ML dalam mode akses READ_ONLY_MANY ke node GKE menggunakan mode akses ReadWriteOnce.

AttachVolume.Attach failed for volume ...
Failed to Attach: failed cloud service attach disk call ...
The disk cannot be attached with READ_WRITE mode., badRequest

GKE otomatis memperbarui accessMode volume Hyperdisk ML dari READ_WRITE_SINGLE menjadi READ_ONLY_MANY, saat digunakan oleh PersistentVolume mode akses ReadOnlyMany. Namun, GKE tidak akan otomatis memperbarui mode akses dari READ_ONLY_MANY menjadi READ_WRITE_SINGLE. Ini adalah mekanisme keamanan untuk memastikan bahwa disk multi-zona tidak ditulis secara tidak sengaja, karena hal ini dapat menyebabkan konten yang berbeda antara disk multi-zona.

Untuk mengatasi masalah ini, sebaiknya ikuti alur kerja Menyimpan data ke image disk Persistent Disk jika Anda memerlukan konten yang diperbarui. Jika Anda memerlukan lebih banyak kontrol atas mode akses volume Hyperdisk ML dan setelan lainnya, lihat Mengubah setelan untuk volume Google Cloud Hyperdisk.

Kuota terlampaui - Kuota throughput tidak mencukupi

Error berikut menunjukkan bahwa kuota throughput Hyperdisk ML tidak memadai saat penyediaan disk.

failed to provision volume with StorageClass ... failed (QUOTA_EXCEEDED): Quota 'HDML_TOTAL_THROUGHPUT' exceeded

Untuk mengatasi masalah ini, lihat Kuota Disk untuk mempelajari lebih lanjut kuota Hyperdisk dan cara meningkatkan kuota disk dalam project Anda.

Untuk panduan pemecahan masalah tambahan, lihat Menskalakan performa penyimpanan dengan Google Cloud Hyperdisk.

Langkah selanjutnya