GPU タイムシェアリングを使用して GPU を複数のワークロードと共有する

Autopilot Standard

このページでは、Google Kubernetes Engine（GKE）ノード内の 1 つの NVIDIA® GPU ハードウェアアクセラレータに対する GPU タイムシェアリングアクセスを複数のワークロードに許可する方法について説明します。GPU タイムシェアリングの仕組み、GPU タイムシェアリングを使用する必要がある場合の制限と例については、GKE での GPU タイムシェアリングをご覧ください。

概要

GPU タイムシェアリングは、ノードに接続された単一の物理 GPU を複数のコンテナで共有できるようにする GKE 機能です。GKE で GPU タイムシェアリングを使用すると、接続された GPU をより効率的に使用し、運用コストを削減できます。

このガイドの対象者

このガイドは、次のいずれかのユーザーを対象としています。

プラットフォーム管理者: GKE クラスタの作成と管理、インフラストラクチャとリソース要件の計画、クラスタのパフォーマンスのモニタリングを行います。
アプリケーションデベロッパー: GKE クラスタにワークロードを設計してデプロイします。GPU タイムシェアリングをリクエストする手順については、GPU タイムシェアリングを使用するワークロードをデプロイするをご覧ください。

要件

GKE バージョン: GKE バージョン 1.23.7-gke.1400 以降を実行している GKE Standard クラスタで GPU タイムシェアリングを有効にできます。GKE バージョン 1.29.3-gke.1093000 以降を実行している GKE Autopilot クラスタで GPU タイムシェアリングを使用できます。
GPU タイプ: NVIDIA Tesla® K80 より新しい GPU タイプを使用するノードで GPU タイムシェアリングを有効にできます。

始める前に

作業を始める前に、次のことを確認してください。

Google Kubernetes Engine API を有効にします。

Google Kubernetes Engine API の有効化

このタスクに Google Cloud CLI を使用する場合は、gcloud CLI をインストールして初期化します。すでに gcloud CLI をインストールしている場合は、gcloud components update を実行して最新のバージョンを取得します。
注: gcloud CLI がすでにインストールされている場合には、必ず compute/region と compute/zone のプロパティを設定してください。デフォルトのロケーションを設定することで、gcloud CLI のエラー（One of [--zone, --region] must be supplied: Please specify location など）を防止できます。

NVIDIA Tesla GPU の割り当てが十分であることを確認します。追加の割り当てが必要な場合は、割り当ての増加をリクエストするをご覧ください。
ワークロードのリソースニーズと基盤となる GPU の容量に基づいて GPU の容量を計画します。
GPU タイムシェアリングの制限事項を確認します。

GKE クラスタとノードプールで GPU タイムシェアリングを有効にする

デベロッパーが GPU を使用するワークロードをデプロイできるようにするには、プラットフォーム管理者が GKE Standard クラスタで GPU タイムシェアリングを有効にする必要があります。GPU タイムシェアリングを有効にするには、次の操作を行う必要があります。

GKE クラスタで GPU のタイムシェアリングを有効にする。
NVIDIA GPU デバイスドライバをインストールする（必要な場合）。
ノードで使用可能な GPU リソースを確認する。

バージョン 1.29.3-gke.1093000 以降を実行する Autopilot クラスタでは、デフォルトで GPU タイムシェアリングが有効になっています。Autopilot クラスタのタイムシェアリングはワークロードの仕様で構成されています。詳細については、GPU タイムシェアリングを使用するワークロードをデプロイするをご覧ください。

GKE Standard クラスタで GPU タイムシェアリングを有効にする

GKE Standard クラスタを作成するときに、GPU タイムシェアリングを有効にできます。クラスタ内のデフォルトのノードプールでこの機能が有効になっています。クラスタで新しいノードプールを手動で作成する場合も、GPU タイムシェアリングを有効にする必要があります。

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=time-sharing,max-shared-clients-per-gpu=CLIENTS_PER_GPU,gpu-driver-version=DRIVER_VERSION

次のように置き換えます。

CLUSTER_NAME: 新しいクラスタの名前。
COMPUTE_REGION: 新しいクラスタの Compute Engine のリージョン。ゾーンクラスタの場合は、--zone=COMPUTE_ZONE を指定します。
CLUSTER_VERSION: クラスタコントロールプレーンとノードの GKE バージョン。GKE バージョン 1.23.7-gke.1400 以降を使用します。または、--release-channel=RELEASE_CHANNEL フラグを使用して、その GKE バージョンのリリースチャンネルを指定します。
MACHINE_TYPE: ノードの Compute Engine マシンタイプ。アクセラレータ最適化マシンタイプを選択することをおすすめします。
GPU_TYPE: GPU タイプ。NVIDIA Tesla GPU プラットフォーム（nvidia-tesla-v100 など）である必要があります。
GPU_QUANTITY: デフォルトのノードプール内の各ノードに接続する物理 GPU の数。
CLIENTS_PER_GPU: 各物理 GPU を共有できるコンテナの最大数。
DRIVER_VERSION: インストールする NVIDIA ドライバのバージョン。次のいずれか 1 つを指定できます。
- default: GKE バージョンのデフォルトのドライババージョンをインストールします。
- latest: お使いの GKE バージョン向けの最新のドライババージョンをインストールします。Container-Optimized OS を使用するノードでのみ使用できます。
- disabled: ドライバの自動インストールをスキップします。ノードプールを作成した後に、手動でドライバをインストールする必要があります。gpu-driver-version を省略すると、これがデフォルトのオプションになります。

GKE ノードプールで GPU タイムシェアリングを有効にする

GKE クラスタで新しいノードプールを手動で作成するときに、GPU タイムシェアリングを有効にできます。

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=time-sharing,max-shared-clients-per-gpu=CLIENTS_PER_GPU,gpu-driver-version=DRIVER_VERSION

次のように置き換えます。

NODEPOOL_NAME: 新しいノードプールの名前。
CLUSTER_NAME: クラスタの名前。GKE バージョン 1.23.7-gke.1400 以降を実行する必要があります。
COMPUTE_REGION: クラスタの Compute Engine のリージョン。ゾーンクラスタの場合は、--zone=COMPUTE_ZONE を指定します。
MACHINE_TYPE: ノードの Compute Engine マシンタイプ。アクセラレータ最適化マシンタイプを選択することをおすすめします。
GPU_TYPE: GPU タイプ。NVIDIA Tesla GPU プラットフォーム（nvidia-tesla-v100 など）である必要があります。
GPU_QUANTITY: ノードプール内の各ノードに接続する物理 GPU の数。
CLIENTS_PER_GPU: 各物理 GPU を共有できるコンテナの最大数。
DRIVER_VERSION: インストールする NVIDIA ドライバのバージョン。次のいずれか 1 つを指定できます。
- default: GKE バージョンのデフォルトのドライババージョンをインストールします。
- latest: お使いの GKE バージョン向けの最新のドライババージョンをインストールします。Container-Optimized OS を使用するノードでのみ使用できます。
- disabled: ドライバの自動インストールをスキップします。ノードプールを作成した後に、手動でドライバをインストールする必要があります。gpu-driver-version を省略すると、これがデフォルトのオプションになります。
注: gpu-driver-version オプションは、GKE バージョン 1.27.2-gke.1200 以降に限り使用できます。それより前のバージョンでは、このフラグを省略し、ノードプールの作成後に手動でドライバをインストールします。

NVIDIA GPU デバイスドライバをインストールする

先に進む前に、次のコマンドを実行してクラスタに接続します。

gcloud container clusters get-credentials CLUSTER_NAME

クラスタの作成時にドライバの自動インストールを無効にすることを選択した場合、または 1.27.2-gke.1200 より前の GKE バージョンを使用している場合は、物理 GPU の GPU タイムシェアリング分割を管理するために互換性のある NVIDIA ドライバを手動でインストールする必要があります。ドライバをインストールするには、ドライバを設定する GKE インストール DaemonSet をデプロイします。

手順については、NVIDIA GPU デバイスドライバのインストールをご覧ください。

クラスタでノードの自動プロビジョニングを使用する場合は、GKE が GPU デバイスドライバをインストールできるようにするスコープを使用して、ノードの自動プロビジョニングも構成する必要があります。手順については、ノードの自動プロビジョニングでの GPU の使用をご覧ください。

ノードに表示される GPU の数が、GPU タイムシェアリングを有効にしたときに指定した数と一致することを確認するには、ノードの説明を入力します。

kubectl describe nodes NODE_NAME

出力は次のようになります。

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

この出力例では、ノード上の GPU リソースの数は 3 個です。これは、max-shared-clients-per-gpu に指定された値が 3 で、ノードに接続された物理 GPU の count が 1 であったためです。別の例として、物理 GPU の count が 2 だった場合、出力には、割り当て可能な GPU リソースが 6 個（物理 GPU ごとに 3 個）表示されます。

GPU タイムシェアリングを使用するワークロードをデプロイする

GPU ワークロードをデプロイするアプリケーションの運用者は、マニフェストの nodeSelector に適切なノードラベルを指定することで、GPU タイムシェアリングを有効にできます。リクエストを計画するときは、リクエストの上限を確認して、GKE でデプロイが拒否されないようにしてください。

GPU タイムシェアリングを使用するワークロードをデプロイする手順は次のとおりです。

ワークロードのマニフェストに次のラベルの nodeSelector を追加します。
- cloud.google.com/gke-gpu-sharing-strategy: time-sharing: GPU タイムシェアリングを使用するノードを選択します。
- cloud.google.com/gke-max-shared-clients-per-gpu: "CLIENTS_PER_GPU": 基盤となる GPU を特定の数のコンテナが共有できるようにするノードを選択します。
spec.containers.resources.limits のコンテナ仕様に nvidia.com/gpu=1 GPU リソースリクエストを追加します。

たとえば、次の手順では、GPU タイムシェアリングノードプールに 3 つの Pod をデプロイする方法を説明します。GKE は、各コンテナを同じ物理 GPU に割り当てます。コンテナは、そのコンテナに接続されている GPU の UUID を出力します。

次のマニフェストを gpu-timeshare.yaml として保存します。

Autopilot

        apiVersion: apps/v1
        kind: Deployment
        metadata:
          name: cuda-simple
        spec:
          replicas: 3
          selector:
            matchLabels:
              app: cuda-simple
          template:
            metadata:
              labels:
                app: cuda-simple
            spec:
              nodeSelector:
                cloud.google.com/gke-accelerator: "GPU_TYPE"
                cloud.google.com/gke-gpu-sharing-strategy: "time-sharing"
                cloud.google.com/gke-max-shared-clients-per-gpu: "CLIENTS_PER_GPU"
                cloud.google.com/gke-accelerator-count: "GPU_COUNT"
              containers:
              - name: cuda-simple
                image: nvidia/cuda:11.0.3-base-ubi7
                command:
                - bash
                - -c
                - |
                  /usr/local/nvidia/bin/nvidia-smi -L; sleep 300
                resources:
                  limits:
                    nvidia.com/gpu: 1

次のように置き換えます。

GPU_TYPE: GPU タイプ。
CLIENTS_PER_GPU: この GPU を使用するワークロードの数。この例では、3 を使用します。
GPU_COUNT: ノードに接続する GPU の数この例では、1 を使用します。

Standard

        apiVersion: apps/v1
        kind: Deployment
        metadata:
          name: cuda-simple
        spec:
          replicas: 3
          selector:
            matchLabels:
              app: cuda-simple
          template:
            metadata:
              labels:
                app: cuda-simple
            spec:
              nodeSelector:
                cloud.google.com/gke-gpu-sharing-strategy: "SHARING_STRATEGY"
                cloud.google.com/gke-max-shared-clients-per-gpu: "CLIENTS_PER_GPU"
              containers:
              - name: cuda-simple
                image: nvidia/cuda:11.0.3-base-ubi7
                command:
                - bash
                - -c
                - |
                  /usr/local/nvidia/bin/nvidia-smi -L; sleep 300
                resources:
                  limits:
                    nvidia.com/gpu: 1

次のように置き換えます。

SHARING_STRATEGY を「time-sharing」に設定して、GPU のタイムシェアリングをリクエストします。
CLIENTS_PER_GPU: この GPU を使用するワークロードの数。この例では、3 を使用します。

次のようにマニフェストを適用します。
```
kubectl apply -f gpu-timeshare.yaml
```
すべての Pod が実行されていることを確認します。
```
kubectl get pods -l=app=cuda-simple
```

Pod のログを調べて、GPU の UUID を表示します。

kubectl logs POD_NAME

出力は次のようになります。

GPU 0: Tesla V100-SXM2-16GB (UUID: GPU-0771302b-eb3a-6756-7a23-0adcae8efd47)

ノードに物理 GPU が 1 つ接続されている場合は、同じノード上の他の Pod のログを調べて、GPU UUID が同じであることを確認します。
```
kubectl logs POD2_NAME
```
出力は次のようになります。
```
GPU 0: Tesla V100-SXM2-16GB (UUID: GPU-0771302b-eb3a-6756-7a23-0adcae8efd47)
```

マルチインスタンス GPU で GPU タイムシェアリングを使用する

プラットフォーム管理者は、複数の GKE GPU 機能を組み合わせることができます。GPU タイムシェアリングは、1 つの物理 GPU を最大 7 つのスライスにパーティショニングするマルチインスタンス GPU で動作します。これらのパーティションは互いに分離されています。マルチインスタンス GPU パーティションごとに GPU タイムシェアリングを構成できます。

たとえば、gpu-partition-size を 1g.5gb に設定すると、基盤となる GPU が 7 つのパーティションに分割されます。また、max-shared-clients-per-gpu を 3 に設定すると、各パーティションは最大 3 つのコンテナをサポートするため、合計 21 個の GPU タイムシェアリングデバイスをその物理 GPU に割り当てることができます。gpu-partition-size を実際のパーティションに変換する方法については、マルチインスタンス GPU パーティションをご覧ください。

GPU タイムシェアリングを有効にしてマルチインスタンス GPU クラスタを作成するには、次のコマンドを実行します。

Autopilot

Autopilot では、両方のノードセレクタセットを使用して、GPU タイムシェアリングとマルチインスタンス GPU を一緒に使用できます。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: cuda-simple
spec:
  replicas: 7
  selector:
    matchLabels:
      app: cuda-simple
  template:
    metadata:
      labels:
        app: cuda-simple
    spec:
      nodeSelector:
        cloud.google.com/gke-gpu-partition-size: 1g.5gb
        cloud.google.com/gke-gpu-sharing-strategy: time-sharing
        cloud.google.com/gke-max-shared-clients-per-gpu: "3"
        cloud.google.com/gke-accelerator: nvidia-tesla-a100
        cloud.google.com/gke-accelerator-count: "1"
      containers:
      - name: cuda-simple
        image: nvidia/cuda:11.0.3-base-ubi7
        command:
        - bash
        - -c
        - |
          /usr/local/nvidia/bin/nvidia-smi -L; sleep 300
        resources:
          limits:
            nvidia.com/gpu: 1

Standard

Standard では、次のコマンドを実行して、GPU タイムシェアリングマルチインスタンスクラスタを作成する必要があります。

gcloud container node-pools create NODEPOOL_NAME \
    --cluster=CLUSTER_NAME \
    --machine-type=MACHINE_TYPE \
    --region=COMPUTE_REGION \
    --accelerator=type=nvidia-tesla-a100,count=GPU_QUANTITY,gpu-partition-size=PARTITION_SIZE,gpu-sharing-strategy=time-sharing,max-shared-clients-per-gpu=CLIENTS_PER_GPU,gpu-driver-version=DRIVER_VERSION

PARTITION_SIZE は、必要なマルチインスタンス GPU パーティションサイズ（1g.5gb など）に置き換えます。

制限事項

GPU タイムシェアリングを使用すると、GKE は物理 GPU を共有するコンテナ間でメモリ（アドレス空間）の分離、パフォーマンスの分離、障害の分離を適用します。ただし、GPU にはメモリ上限は適用されません。メモリ不足（OOM）の問題を回避するには、ワークロードで GPU メモリの上限を設定します。セキュリティの問題を回避するには、同じ信頼境界内にあるワークロードのみを GPU タイムシェアリングにデプロイします。
GKE は、容量割り当て中に予期しない動作が発生しないように、特定の GPU タイムシェアリングリクエストを拒否することがあります。詳細については、GPU タイムシェアリングの GPU リクエストをご覧ください。
1 つの物理 GPU でタイムシェアリングを使用できるコンテナの最大数は 48 です。GPU タイムシェアリングの構成を計画する場合は、ワークロードのリソースのニーズと基盤となる物理 GPU の容量を考慮して、パフォーマンスと応答性を最適化してください。

次のステップ

GKE で利用可能な GPU 共有戦略の詳細を確認する。
GPU について学習する。
マルチインスタンス GPU の実行の詳細を確認する。
NVIDIA GPU のコンピューティングプリエンプションの詳細については、NVIDIA Pascal 調整ガイドをご覧ください。

GPU タイム シェアリングを使用して GPU を複数のワークロードと共有する

概要

このガイドの対象者

要件

始める前に

GKE クラスタとノードプールで GPU タイム シェアリングを有効にする

GKE Standard クラスタで GPU タイム シェアリングを有効にする

GKE ノードプールで GPU タイム シェアリングを有効にする

NVIDIA GPU デバイス ドライバをインストールする

ノードで使用可能な GPU リソースを確認する

GPU タイム シェアリングを使用するワークロードをデプロイする

Autopilot

Standard

マルチインスタンス GPU で GPU タイム シェアリングを使用する

Autopilot

Standard

制限事項

次のステップ

GPU タイムシェアリングを使用して GPU を複数のワークロードと共有する

GKE クラスタとノードプールで GPU タイムシェアリングを有効にする

GKE Standard クラスタで GPU タイムシェアリングを有効にする

GKE ノードプールで GPU タイムシェアリングを有効にする

NVIDIA GPU デバイスドライバをインストールする

GPU タイムシェアリングを使用するワークロードをデプロイする

マルチインスタンス GPU で GPU タイムシェアリングを使用する