GKE 中的 TPU 简介
Google Kubernetes Engine (GKE) 客户现在可以创建包含 TPU v4 和 v5e 切片的 Kubernetes 节点池。如需详细了解 TPU，请参阅系统架构。
使用 GKE 时，首先必须创建一个 GKE 集群。然后，向集群添加节点池。GKE 节点池是具有相同属性的虚拟机集合。对于 TPU 工作负载，节点池由 TPU 虚拟机组成。
节点池类型
GKE 支持两种类型的 TPU 节点池：
多主机 TPU 切片节点池
多主机 TPU 切片节点池是包含两个或更多互连 TPU 虚拟机的节点池。每个虚拟机都连接了一个 TPU 设备。多主机切片中的 TPU 通过高速互连 (ICI) 进行连接。创建多主机切片节点池后，您便无法向其添加节点。例如，您不能先创建 v4-32 节点池，然后再向该节点池添加其他 Kubernetes 节点（TPU 虚拟机）。如需向 GKE 集群添加额外的 TPU 切片，您必须创建新的节点池。
多主机 TPU 切片节点池中的主机被视为单个原子单元。如果 GKE 无法在切片中部署一个节点，则不会部署切片中的任何节点。
如果需要修复多主机 TPU 切片中的节点，GKE 将关闭切片中的所有 TPU 虚拟机，强制逐出工作负载中的所有 Kubernetes Pod。切片中的所有 TPU 虚拟机启动并运行后，就可以在新切片中的 TPU 虚拟机上调度 Kubernetes Pod。
下图展示了一个 v5litepod-16 (v5e) 多主机 TPU 切片的示例。此切片有四个 TPU 虚拟机。每个 TPU 虚拟机有四个通过高速互连 (ICI) 连接的 TPU v5e 芯片，每个 TPU v5e 芯片有一个 TensorCore。
下图展示了一个 GKE 集群，它包含一个 TPU v5litepod-16 (v5e) 切片（拓扑：4x4）和一个 TPU v5litepod-8 (v5e) 切片（拓扑：2x4）：
如需查看在多主机 TPU 切片上运行工作负载的示例，请参阅在 TPU 上运行工作负载。
单主机 TPU 切片节点池
单主机切片节点池是包含一个或多个独立 TPU 虚拟机的节点池。每个虚拟机都连接了一个 TPU 设备。虽然单主机切片节点池中的虚拟机可以通过数据中心网络 (DCN) 进行通信，但连接到这些虚拟机的 TPU 并不互连。
下图显示了一个包含七台 v4-8 机器的单主机 TPU 切片的示例：
如需查看在单主机 TPU 切片上运行工作负载的示例，请参阅在 TPU 上运行工作负载。
GKE 节点池的 TPU 机器类型
在创建节点池之前，您需要选择工作负载所需的 TPU 切片的 TPU 版本和大小。GKE 标准版 1.26.1-gke.1500 及更高版本支持 TPU v4，GKE 标准版 1.27.2-gke.2100 及更高版本支持 v5e，GKE Standard 版 1.28.3-gke.1024000 及更高版本支持 v5p。
GKE Autopilot 1.29.2-gke.1521000 及更高版本支持 TPU v4、v5e 和 v5p。
如需详细了解不同 TPU 版本的硬件规格，请参阅系统架构。创建 TPU 节点池时，请根据模型大小及其所需的内存大小选择 TPU 切片大小（TPU 拓扑）。您在创建节点池时指定的机器类型取决于切片的版本和大小。
v5e
以下是训练和推理用例支持的 TPU v5e 机器类型和拓扑：
| 机器类型 | 拓扑 | TPU 芯片的数量 | 虚拟机数量 | 建议的用例 |
|---|---|---|---|---|
ct5lp-hightpu-1t |
1x1 | 1 | 1 | 训练、单主机推理 |
ct5lp-hightpu-4t |
2x2 | 4 | 1 | 训练、单主机推理 |
ct5lp-hightpu-8t |
2x4 | 8 | 1 | 训练、单主机推理 |
ct5lp-hightpu-4t |
2x4 | 8 | 2 | 训练、多主机推理 |
ct5lp-hightpu-4t |
4x4 | 16 | 4 | 大规模训练、多主机推理 |
ct5lp-hightpu-4t |
4x8 | 32 | 8 | 大规模训练、多主机推理 |
ct5lp-hightpu-4t |
8x8 | 64 | 16 | 大规模训练、多主机推理 |
ct5lp-hightpu-4t |
8x16 | 128 | 32 | 大规模训练、多主机推理 |
ct5lp-hightpu-4t |
16x16 | 256 | 64 | 大规模训练、多主机推理 |
Cloud TPU v5e 是一款将训练和推理相结合的产品。训练作业针对吞吐量和可用性进行了优化，而推理作业针对延迟时间进行了优化。如需了解详情，请参阅 v5e 训练加速器类型和 v5e 推断加速器类型。
TPU v5e 机器提供 us-west4-a、us-east5-b 和 us-east1-c 版本。GKE Standard 集群必须运行控制平面 1.27.2-gke.2100 或更高版本。GKE Autopilot 必须运行控制平面 1.29.2-gke.1521000 或更高版本。如需详细了解 v5e，请参阅 Cloud TPU v5e 训练。
机器类型比较：
| 机器类型 | ct5lp-hightpu-1t | ct5lp-hightpu-4t | ct5lp-hightpu-8t |
|---|---|---|---|
| v5e 芯片的数量 | 1 | 4 | 8 |
| vCPU 的数量 | 24 | 112 | 224 |
| RAM (GB) | 48 | 192 | 384 |
| NUMA 节点的数量 | 1 | 1 | 2 |
| 抢占可能性 | 高 | 中 | 低 |
为了给具有更多芯片的虚拟机腾出空间，GKE 调度器可能会抢占并重新安排具有较少芯片的虚拟机。因此 8 芯片的虚拟机更有可能抢占 1 芯片和 4 芯片的虚拟机。
v4 和 v5p
以下是 TPU v4 和 v5p 机器类型：
| 机器类型 | vCPU 的数量 | 内存 (GB) | NUMA 节点的数量 |
|---|---|---|---|
ct4p-hightpu-4t |
240 | 407 | 2 |
ct5p-hightpu-4t |
208 | 448 | 2 |
创建 TPU v4 切片时，请使用具有一个主机并包含 4 个芯片的 ct4p-hightpu-4t 机器类型。如需了解详情，请参阅 v4 拓扑和 TPU 系统架构。us-central2-b 提供 TPU v4 切片机器类型。您的 GKE Standard 集群必须运行控制平面版本 1.26.1-gke.1500 或更高版本。GKE Autopilot 集群必须运行控制平面版本 1.29.2-gke.1521000 或更高版本。
创建 TPU v5p 切片时，请使用具有一个主机并包含 4 个芯片的 ct5p-hightpu-4t 机器类型。us-west4-a 和 us-east5-a 提供 TPU v5p 切片机器类型。GKE Standard 集群必须运行控制平面版本 1.28.3-gke.1024000 或更高版本。GKE Autopilot 必须运行 1.29.2-gke.1521000 或更高版本。如需详细了解 v5p，请参阅 v5p 培训简介。
已知问题和限制
- Kubernetes Pod 数量上限：一个 TPU 虚拟机最多可以运行 256 个 Kubernetes Pod。
- 仅限特定预留：在 GKE 中使用 TPU 时，
SPECIFIC是gcloud container node-pools create命令的--reservation-affinity标志唯一支持的值。 - 仅支持抢占式 TPU 的 Spot 虚拟机变体：Spot 虚拟机与抢占式虚拟机类似，也受到相同的可用性限制，但没有 24 小时的最长时长。
- 无费用分配支持：GKE 费用分配和用量计量不包含任何有关 TPU 用量或费用的数据。
- 自动扩缩器可能会计算容量：对于包含 TPU 虚拟机的新节点，集群自动扩缩器可能会在这些节点可用之前错误地计算容量。集群自动扩缩器可能会执行额外的纵向扩容，因此会创建超出需求的节点。如果不需要额外的节点，集群自动扩缩器会在常规缩容操作完成后进行缩容。
- 自动伸缩器取消纵向扩容：集群自动伸缩器取消处于等待状态超过 10 小时的 TPU 节点池的纵向扩容。集群自动扩缩器稍后将重试此类纵向扩容操作。此行为可能会降低不使用预留的客户的 TPU 可获取性。
- 污点可能会阻止纵向缩容：如果在 TPU 节点池排空期间重新创建了对 TPU 污点容忍的非 TPU 工作负载，此类工作负载可能会阻止节点池缩容。
确保有足够的 TPU 和 GKE 配额
您可能需要在创建资源的区域中增加某些与 GKE 相关的配额。
以下配额具有默认值，可能需要增加：
- Persistent Disk SSD (GB) 配额：默认情况下，每个 Kubernetes 节点的启动磁盘需要 100GB。因此，此配额至少应设置为（您预计创建的 GKE 节点数量上限）* 100GB。
- 已用 IP 地址配额：每个 Kubernetes 节点消耗一个 IP 地址。因此，此配额应至少设置为您预期创建的最大 GKE 节点数。
如需申请增加配额，请参阅申请更高配额。 如需详细了解 TPU 配额的类型，请参阅 TPU 配额。
增加配额的申请可能需要几天时间才能获得批准。如果您在几天内在申请增加配额时遇到任何问题，请与您的 Google 客户支持团队联系。
迁移 TPU 预留
如果您不打算将现有 TPU 预留与 GKE 中的 TPU 搭配使用，请跳过此部分并转到创建 Google Kubernetes Engine 集群。
为了将预留 TPU 与 GKE 搭配使用，您必须先将 TPU 预留迁移到基于 Compute Engine 的新预留系统。
关于此次迁移，您需要注意以下几点重要事项：
- 迁移到基于 Compute Engine 的新预留系统的 TPU 容量不能与 Cloud TPU Queued Resource API 一起使用。如果您打算在预留中使用 TPU 排队资源，则需要将一部分 TPU 预留迁移到基于 Compute Engine 的新预留系统。
- 在将工作负载迁移到基于 Compute Engine 的新预留系统后，任何工作负载都无法在 TPU 上活跃运行。
- 选择执行迁移的时间，并与您的 Google Cloud 客户支持团队合作安排迁移。迁移时间范围必须在工作时间（太平洋时间周一至周五上午 9 点至下午 5 点）。
创建一个 Google Kubernetes Engine 集群
请参阅 Google Kubernetes Engine 文档中的创建集群。
创建 TPU 节点池
请参阅 Google Kubernetes Engine 文档中的创建节点池。
在没有特权模式的情况下运行
如果要缩小容器的权限范围，请参阅 TPU 特权模式。
在 TPU 节点池中运行工作负载
请参阅 Google Kubernetes Engine 文档中的在 TPU 上运行 GKE 工作负载。
节点选择器
为了让 Kubernetes 在包含 TPU 虚拟机的节点上调度工作负载，您必须在 Google Kubernetes Engine 清单中为每个节点指定两个选择器：
- 将
cloud.google.com/gke-accelerator-type设置为tpu-v5-lite-podslice或tpu-v4-podslice。 - 将
cloud.google.com/gke-tpu-topology设置为节点的 TPU 拓扑。
训练工作负载和推理工作负载部分包含示例清单，说明了如何使用这些节点选择器。
工作负载安排注意事项
TPU 具有独特的特征，需要在 Kubernetes 中进行特殊的工作负载调度和管理。如需了解详情，请参阅 GKE 文档中的工作负载调度注意事项。
节点修复
如果多主机 TPU 切片节点池中的节点运行状况不佳，则 GKE 会重新创建整个节点池。如需了解详情，请参阅 GKE 文档中的节点自动修复。
多切片 - 不局限于单个切片
您可以将较小的切片聚合到多切片中，以处理较大的训练工作负载。如需了解详情，请参阅 Cloud TPU 多切片。
训练工作负载教程
这些教程侧重于在多主机 TPU 切片（例如 4 v5e 机器）上训练工作负载。它们涵盖以下模型：
- Hugging Face FLAX 模型：Pokémon 上的 Train Diffusion
- PyTorch/XLA：WikiText 上的 GPT2
下载教程资源
使用以下命令下载每个预训练模型的 Python 脚本和 YAML 规范：
git clone https://github.com/GoogleCloudPlatform/ai-on-gke.git
创建并连接到集群
创建区域级 GKE 集群，以便将 Kubernetes 控制平面复制到三个可用区，从而提供更高的可用性。根据您使用的 TPU 版本，在 us-west4、us-east1 或 us-central2 中创建您的集群。如需详细了解 TPU 和可用区，请参阅 Cloud TPU 区域和可用区。
以下命令将创建一个订阅了快速发布渠道的新 GKE 区域级集群，其节点池最初的每个区域包含一个节点。该命令还会在集群上启用 Workload Identity 和 Cloud Storage FUSE CSI 驱动程序功能，因为本指南中的示例推理工作负载使用 Cloud Storage 存储分区来存储预训练模型。
gcloud container clusters create cluster-name \ --region your-region \ --release-channel rapid \ --num-nodes=1 \ --workload-pool=project-id.svc.id.goog \ --addons GcsFuseCsiDriver
如需为现有集群启用 Workload Identity 和 Cloud Storage FUSE CSI 驱动程序功能，请运行以下命令：
gcloud container clusters update cluster-name \ --region your-region \ --update-addons GcsFuseCsiDriver=ENABLED \ --workload-pool=project-id.svc.id.goog
示例工作负载采用以下假设进行配置：
- 节点池正在使用具有四个节点的“
tpu-topology=4x4” - 节点池正在使用“
machine-type”ct5lp-hightpu-4t
运行以下命令以连接到新创建的集群：
gcloud container clusters get-credentials cluster-name \ --location=cluster-region
Hugging Face FLAX 模型：Pokémon 上的 Train Diffusion
此示例使用 Pokémon 数据集通过 HuggingFace 训练稳定扩散模型。
Stable Diffusion 模型是一种潜在的文本到图像模型，可根据任何文本输入生成逼真的图像。如需详细了解 Stable Diffusion，请参阅：
创建 Docker 映像
Dockerfile 位于文件夹 ai-on-gke/tutorials-and-examples/tpu-examples/training/diffusion/ 下。
在运行以下命令之前，请确保您的帐号具有 Docker 可以推送到代码库的适当权限。
构建并推送 Docker 映像：
cd ai-on-gke/tutorials-and-examples/tpu-examples/training/diffusion/ docker build -t gcr.io/project-id/diffusion:latest . docker push gcr.io/project-id/diffusion:latest
部署工作负载
创建一个包含以下内容的文件，并将其命名为 tpu_job_diffusion.yaml。
在图片字段中填写您刚创建的图片。
apiVersion: v1
kind: Service
metadata:
name: headless-svc
spec:
clusterIP: None
selector:
job-name: tpu-job-diffusion
---
apiVersion: batch/v1
kind: Job
metadata:
name: tpu-job-diffusion
spec:
backoffLimit: 0
# Completions and parallelism should be the number of chips divided by 4.
# (e.g. 4 for a v5litepod-16)
completions: 4
parallelism: 4
completionMode: Indexed
template:
spec:
subdomain: headless-svc
restartPolicy: Never
nodeSelector:
cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
cloud.google.com/gke-tpu-topology: 4x4
containers:
- name: tpu-job-diffusion
image: gcr.io/${project-id}/diffusion:latest
ports:
- containerPort: 8471 # Default port using which TPU VMs communicate
- containerPort: 8431 # Port to export TPU usage metrics, if supported
command:
- bash
- -c
- |
cd examples/text_to_image
python3 train_text_to_image_flax.py --pretrained_model_name_or_path=duongna/stable-diffusion-v1-4-flax --dataset_name=lambdalabs/pokemon-blip-captions --resolution=128 --center_crop --random_flip --train_batch_size=4 --mixed_precision=fp16 --max_train_steps=1500 --learning_rate=1e-05 --max_grad_norm=1 --output_dir=sd-pokemon-model
resources:
requests:
google.com/tpu: 4
limits:
google.com/tpu: 4
然后使用以下代码进行部署：
kubectl apply -f tpu_job_diffusion.yaml
清理
作业运行完毕后，您可以使用以下命令将其删除：
kubectl delete -f tpu_job_diffusion.yaml
PyTorch/XLA：WikiText 上的 GPT2
本教程介绍如何使用 wikitext 数据集在 PyTorch/XLA 上使用 HuggingFace 在 v5e TPU 上运行 GPT2。
创建 Docker 映像
Dockerfile 位于文件夹 ai-on-gke/tutorials-and-examples/tpu-examples/training/gpt/ 下。
在运行以下命令之前，请确保您的帐号具有 Docker 可以推送到代码库的适当权限。
构建并推送 Docker 映像：
cd ai-on-gke/tutorials-and-examples/tpu-examples/training/gpt/ docker build -t gcr.io/project-id/gpt:latest . docker push gcr.io/project-id/gpt:latest
部署工作负载
复制以下 YAML 并将其保存在名为 tpu_job_gpt.yaml 的文件中。在图片字段中填写您刚创建的图片。
apiVersion: v1
kind: Service
metadata:
name: headless-svc
spec:
clusterIP: None
selector:
job-name: tpu-job-gpt
---
apiVersion: batch/v1
kind: Job
metadata:
name: tpu-job-gpt
spec:
backoffLimit: 0
# Completions and parallelism should be the number of chips divided by 4.
# (for example, 4 for a v5litepod-16)
completions: 4
parallelism: 4
completionMode: Indexed
template:
spec:
subdomain: headless-svc
restartPolicy: Never
volumes:
# Increase size of tmpfs /dev/shm to avoid OOM.
- name: shm
emptyDir:
medium: Memory
# consider adding `sizeLimit: XGi` depending on needs
nodeSelector:
cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
cloud.google.com/gke-tpu-topology: 4x4
containers:
- name: tpu-job-gpt
image: gcr.io/$(project-id)/gpt:latest
ports:
- containerPort: 8479
- containerPort: 8478
- containerPort: 8477
- containerPort: 8476
- containerPort: 8431 # Port to export TPU usage metrics, if supported.
env:
- name: PJRT_DEVICE
value: 'TPU'
- name: XLA_USE_BF16
value: '1'
command:
- bash
- -c
- |
numactl --cpunodebind=0 python3 -u examples/pytorch/xla_spawn.py --num_cores 4 examples/pytorch/language-modeling/run_clm.py --num_train_epochs 3 --dataset_name wikitext --dataset_config_name wikitext-2-raw-v1 --per_device_train_batch_size 16 --per_device_eval_batch_size 16 --do_train --do_eval --output_dir /tmp/test-clm --overwrite_output_dir --config_name my_config_2.json --cache_dir /tmp --tokenizer_name gpt2 --block_size 1024 --optim adafactor --adafactor true --save_strategy no --logging_strategy no --fsdp "full_shard" --fsdp_config fsdp_config.json
volumeMounts:
- mountPath: /dev/shm
name: shm
resources:
requests:
google.com/tpu: 4
limits:
google.com/tpu: 4
使用以下命令部署工作流：
kubectl apply -f tpu_job_gpt.yaml
清理
作业运行完毕后，您可以使用以下命令将其删除：
kubectl delete -f tpu_job_gpt.yaml
教程：单主机推理工作负载
本教程介绍如何在 GKE v5e TPU 上运行单主机推理工作负载，以使用 JAX、TensorFlow 和 PyTorch 的预训练模型。概括来讲，需要在 GKE 集群上执行四个单独的步骤：
创建 Cloud Storage 存储桶并设置对该存储桶的访问权限。您可以使用 Cloud Storage 存储桶来存储预训练模型。
下载预训练模型，并将其转换为与 TPU 兼容的模型。应用一个 Kubernetes Pod，该 Pod 可下载预训练模型、使用 Cloud TPU Converter 并使用 Cloud Storage FUSE CSI 驱动程序将转换后的模型存储到 Cloud Storage 存储桶中。Cloud TPU Converter 不需要专用硬件。本教程介绍如何下载模型并在 CPU 节点池中运行 Cloud TPU 转换器。
启动转换后模型的服务器。应用一个 Deployment，它使用由 ReadOnlyMany (ROX) 永久性卷中存储的卷支持的服务器框架来提供模型。部署副本必须在 v5e 切片节点池中运行，其中每个节点有一个 Kubernetes Pod；在 v5e 切片节点池中，每个节点有一个 Kubernetes Pod。
部署负载均衡器以测试模型服务器。服务器使用 LoadBalancer 服务公开给外部请求。Python 脚本已随示例请求一起提供，用于测试模型服务器。
下图展示了负载平衡器如何路由请求。
服务器部署示例
这些示例工作负载采用以下假设进行配置：
- 集群在具有 3 个节点的 TPU v5 节点池中运行
- 节点池使用的是
ct5lp-hightpu-1t机器类型，其中：- 拓扑是 1x1
- TPU 芯片的数量为 1
以下 GKE 清单定义了单个主机服务器 Deployment。
apiVersion: apps/v1
kind: Deployment
metadata:
name: bert-deployment
spec:
selector:
matchLabels:
app: tf-bert-server
replicas: 3 # number of nodes in node pool
template:
metadata:
annotations:
gke-gcsfuse/volumes: "true"
labels:
app: tf-bert-server
spec:
nodeSelector:
cloud.google.com/gke-tpu-topology: 1x1 # target topology
cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice # target version
containers:
- name: serve-bert
image: us-docker.pkg.dev/cloud-tpu-images/inference/tf-serving-tpu:2.13.0
env:
- name: MODEL_NAME
value: "bert"
volumeMounts:
- mountPath: "/models/"
name: bert-external-storage
ports:
- containerPort: 8500
- containerPort: 8501
- containerPort: 8431 # Port to export TPU usage metrics, if supported.
resources:
requests:
google.com/tpu: 1 # TPU chip request
limits:
google.com/tpu: 1 # TPU chip request
volumes:
- name: bert-external-storage
persistentVolumeClaim:
claimName: external-storage-pvc
如果您在 TPU 节点池中使用不同数量的节点，请将 replicas 字段更改为节点数。
如果您的标准集群运行的是 GKE 1.27 或更早版本，请将以下字段添加到清单中：
spec:
securityContext:
privileged: true
您无需在 GKE 1.28 或更高版本中以特权模式运行 Kubernetes Pod。如需了解详情，请参阅在没有特权模式的情况下运行容器。
如果您使用的是其他机器类型：
- 将
cloud.google.com/gke-tpu-topology设置为您正在使用的机器类型的拓扑。 - 设置
resources下的两个google.com/tpu字段，以匹配相应机器类型的芯片数。
设置
使用以下命令下载教程 Python 脚本和 YAML 清单：
git clone https://github.com/GoogleCloudPlatform/ai-on-gke.git
转到 single-host-inference 目录：
cd ai-on-gke/gke-tpu-examples/single-host-inference/
设置 Python 环境
您在本教程中使用的 Python 脚本需要 Python 3.9 或更高版本。在运行 Python 测试脚本之前，切记要为每个教程安装 requirements.txt。
如果您没有在本地环境中进行正确的 Python 设置，则可以使用 Cloud Shell 下载并运行本教程中的 Python 脚本。
设置集群
使用
e2-standard-4机器类型创建集群。gcloud container clusters create cluster-name \ --region your-region \ --release-channel rapid \ --num-nodes=1 \ --machine-type=e2-standard-4 \ --workload-pool=project-id.svc.id.goog \ --addons GcsFuseCsiDriver
示例工作负载假定：
- 您的集群正在使用具有 3 个节点的 TPU v5e 节点池运行。
- TPU 节点池使用的是机器类型“
ct5lp-hightpu-1t”。
如果您使用的集群配置与上文所述不同，则需要修改服务器部署清单。
对于 JAX Stable Diffusion 演示，您需要一个机器类型具有 16 Gi+ 可用内存（例如 e2-standard-4）的 CPU 节点池。可通过 gcloud container clusters create 命令或使用以下命令向现有集群添加其他节点池进行配置：
gcloud beta container node-pools create your-pool-name \ --zone=your-cluster-zone \ --cluster=your-cluster-name \ --machine-type=e2-standard-4 \ --num-nodes=1
请替换以下内容：
your-pool-name：要创建的节点池的名称。your-cluster-zone：创建集群的区域。your-cluster-name：要在其中添加节点池的集群的名称。your-machine-type：要在节点池中创建的节点的机器类型。
设置模型存储空间
您可以通过多种方式存储模型以提供服务。在本教程中，我们将使用以下方法：
- 为了将预训练模型转换为在 TPU 上使用，我们将使用由具有
ReadWriteMany(RWX) 访问权限的 Persistent Disk 提供支持的虚拟私有云。 - 为了在多个单主机 TPU 上提供模型，我们将使用由 Cloud Storage 存储桶支持的同一 VPC。
运行以下命令以创建 Cloud Storage 存储桶。
gcloud storage buckets create gs://your-bucket-name \ --project=your-bucket-project-id \ --location=your-bucket-location
请替换以下内容：
your-bucket-name：Cloud Storage 存储桶的名称。your-bucket-project-id：您在其中创建 Cloud Storage 存储桶的项目 ID。your-bucket-location：Cloud Storage 存储桶的位置。为了提高性能，请指定运行 GKE 集群的位置。
请按照以下步骤向 GKE 集群授予对该存储桶的访问权限。为了简化设置，以下示例使用默认命名空间和默认 Kubernetes 服务帐号。如需了解详情，请参阅使用 GKE Workload Identity 配置对 Cloud Storage 存储分区的访问权限。
为您的应用创建 IAM 服务账号，或使用现有 IAM 服务账号。您可以在 Cloud Storage 存储桶的项目中使用任何 IAM 服务帐号。
gcloud iam service-accounts create your-iam-service-acct \ --project=your-bucket-project-id
请替换以下内容：
your-iam-service-acct：新 IAM 服务帐号的名称。your-bucket-project-id：您在其中创建了 IAM 服务帐号的项目的 ID。IAM 服务帐号必须与 Cloud Storage 存储桶位于同一项目中。
确保您的 IAM 服务帐号具有您所需的存储角色。
gcloud storage buckets add-iam-policy-binding gs://your-bucket-name \ --member "serviceAccount:your-iam-service-acct@your-bucket-project-id.iam.gserviceaccount.com" \ --role "roles/storage.objectAdmin"
请替换以下内容：
your-bucket-name- Cloud Storage 存储桶的名称。your-iam-service-acct：新 IAM 服务帐号的名称。your-bucket-project-id：您在其中创建了 IAM 服务帐号的项目的 ID。
通过在两个服务帐号之间添加 IAM 政策绑定，允许 Kubernetes 服务帐号模拟 IAM 服务帐号。此绑定允许 Kubernetes 服务帐号充当 IAM 服务帐号。
gcloud iam service-accounts add-iam-policy-binding your-iam-service-acct@your-bucket-project-id.iam.gserviceaccount.com \ --role roles/iam.workloadIdentityUser \ --member "serviceAccount:your-project-id.svc.id.goog[default/default]"
请替换以下内容：
your-iam-service-acct：新 IAM 服务帐号的名称。your-bucket-project-id：您在其中创建了 IAM 服务帐号的项目的 ID。your-project-id：您在其中创建了 GKE 集群的项目的 ID。您的 Cloud Storage 存储分区和 GKE 集群可以位于同一项目中，也可以位于不同的项目中。
使用 IAM 服务账号的电子邮件地址为 Kubernetes 服务账号添加注解。
kubectl annotate serviceaccount default \ --namespace default \ iam.gke.io/gcp-service-account=your-iam-service-acct@your-bucket-project-id.iam.gserviceaccount.com
请替换以下内容：
your-iam-service-acct：新 IAM 服务帐号的名称。your-bucket-project-id：您在其中创建了 IAM 服务帐号的项目的 ID。
运行以下命令，在此演示的 YAML 文件中填充您的存储桶名称：
find . -type f -name "*.yaml" | xargs sed -i "s/BUCKET_NAME/your-bucket-name/g"
将
your-bucket-name替换为 Cloud Storage 存储桶的名称。使用以下命令创建永久性卷和永久性卷声明：
kubectl apply -f pvc-pv.yaml
JAX 模型推断和传送
安装 Python 依赖项，以运行向 JAX 模型服务发送请求的教程 Python 脚本。
pip install -r jax/requirements.txt
运行 JAX BERT E2E 服务演示：
此演示使用 Hugging Face 的预训练 BERT 模型。
Kubernetes Pod 会执行以下步骤：
- 下载并使用示例资源中的 Python 脚本
export_bert_model.py，将预训练的 BERT 模型下载到临时目录中。 - 使用 Cloud TPU Converter 图片将预训练模型从 CPU 转换为 TPU，并将该模型存储在您在setup期间创建的 Cloud Storage 存储桶中。
此 Kubernetes Pod 配置为在默认节点池 CPU 上运行。使用以下命令运行 Pod：
kubectl apply -f jax/bert/install-bert.yaml
使用以下命令验证模型是否已正确安装：
kubectl get pods install-bert
STATUS 可能需要几分钟时间才能读取 Completed。
启动模型的 TF 模型服务器
本教程中的示例工作负载假定：
- 集群在具有三个节点的 TPU v5 节点池中运行
- 节点池使用的是包含一个 TPU 芯片的
ct5lp-hightpu-1t机器类型。
如果您使用的集群配置与上文所述不同，则需要修改服务器部署清单。
应用部署
kubectl apply -f jax/bert/serve-bert.yaml
使用以下命令验证服务器是否正在运行：
kubectl get deployment bert-deployment
AVAILABLE 可能需要一分钟时间来读取 3 数据。
应用负载均衡器服务
kubectl apply -f jax/bert/loadbalancer.yaml
使用以下命令验证负载均衡器是否已准备好接收外部流量：
kubectl get svc tf-bert-service
EXTERNAL_IP 可能需要几分钟的时间才能列出 IP。
向模型服务器发送请求
从负载均衡器服务获取外部 IP：
EXTERNAL_IP=$(kubectl get services tf-bert-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')
运行脚本以向服务器发送请求：
python3 jax/bert/bert_request.py $EXTERNAL_IP
预期输出：
For input "The capital of France is [MASK].", the result is ". the capital of france is paris.."
For input "Hello my name [MASK] Jhon, how can I [MASK] you?", the result is ". hello my name is jhon, how can i help you?."
清理
如需清理资源，请按相反的顺序运行 kubectl delete。
kubectl delete -f jax/bert/loadbalancer.yaml kubectl delete -f jax/bert/serve-bert.yaml kubectl delete -f jax/bert/install-bert.yaml
运行 JAX Stable Diffusion E2E 服务演示
此演示使用 Hugging Face 中的预训练稳定扩散模型。
从 Flax Stable Diffusion 模型中导出与 TPU 兼容的 TF2 已保存模型
导出稳定扩散模型需要该集群具有一个 CPU 节点池，该节点池的机器类型应具有 16Gi+ 可用内存，如设置集群中所述。
Kubernetes Pod 会执行以下步骤：
- 下载并使用示例资源中的 Python 脚本
export_stable_diffusion_model.py，将预训练的稳定扩散模型下载到临时目录中。 - 使用 Cloud TPU Converter 图片将预训练模型从 CPU 转换为 TPU，并将模型存储在您在存储设置过程中创建的 Cloud Storage 存储桶中。
此 Kubernetes Pod 已配置为在默认 CPU 节点池池上运行。使用以下命令运行 Pod：
kubectl apply -f jax/stable-diffusion/install-stable-diffusion.yaml
使用以下命令验证模型是否已正确安装：
kubectl get pods install-stable-diffusion
STATUS 可能需要几分钟时间才能读取 Completed。
启动模型的 TF 模型服务器容器
示例工作负载已基于以下假设进行了配置：
- 集群在具有三个节点的 TPU v5 节点池中运行
- 节点池使用的是
ct5lp-hightpu-1t机器类型，其中：- 拓扑是 1x1
- TPU 芯片的数量为 1
如果您使用的集群配置与上文所述不同，则需要修改服务器部署清单。
应用部署：
kubectl apply -f jax/stable-diffusion/serve-stable-diffusion.yaml
验证服务器是否按预期运行：
kubectl get deployment stable-diffusion-deployment
AVAILABLE 可能需要一分钟时间来读取 3 数据。
应用负载均衡器服务：
kubectl apply -f jax/stable-diffusion/loadbalancer.yaml
使用以下命令验证负载均衡器是否已准备好接收外部流量：
kubectl get svc tf-stable-diffusion-service
EXTERNAL_IP 可能需要几分钟的时间才能列出 IP。
向模型服务器发送请求
从负载均衡器获取外部 IP：
EXTERNAL_IP=$(kubectl get services tf-stable-diffusion-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')
运行用于向服务器发送请求的脚本
python3 jax/stable-diffusion/stable_diffusion_request.py $EXTERNAL_IP
预期输出：
提示符为 Painting of a squirrel skating in New York，输出图片将作为 stable_diffusion_images.jpg 保存在当前目录中。
清理
如需清理资源，请按相反的顺序运行 kubectl delete。
kubectl delete -f jax/stable-diffusion/loadbalancer.yaml kubectl delete -f jax/stable-diffusion/serve-stable-diffusion.yaml kubectl delete -f jax/stable-diffusion/install-stable-diffusion.yaml
运行 TensorFlow ResNet-50 E2E 服务演示：
安装 Python 依赖项，以运行向 TF 模型服务发送请求的教程 Python 脚本。
pip install -r tf/resnet50/requirements.txt
第 1 步：转换模型
应用模型转换：
kubectl apply -f tf/resnet50/model-conversion.yml
使用以下命令验证模型是否已正确安装：
kubectl get pods resnet-model-conversion
STATUS 可能需要几分钟时间才能读取 Completed。
第 2 步：通过 TensorFlow Serving 应用模型
应用模型服务部署：
kubectl apply -f tf/resnet50/deployment.yml
使用以下命令验证服务器是否按预期运行：
kubectl get deployment resnet-deployment
AVAILABLE 可能需要一分钟时间来读取 3 数据。
应用负载均衡器服务：
kubectl apply -f tf/resnet50/loadbalancer.yml
使用以下命令验证负载均衡器是否已准备好接收外部流量：
kubectl get svc resnet-service
EXTERNAL_IP 可能需要几分钟的时间才能列出 IP。
第 3 步：将测试请求发送到模型服务器
从负载均衡器获取外部 IP：
EXTERNAL_IP=$(kubectl get services resnet-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')
运行测试请求 (HTTP) 脚本以将请求发送到模型服务器。
python3 tf/resnet50/request.py --host $EXTERNAL_IP
响应应如下所示：
Predict result: ['ImageNet ID: n07753592, Label: banana, Confidence: 0.94921875', 'ImageNet ID: n03532672, Label: hook, Confidence: 0.0223388672', 'ImageNet ID: n07749582, Label: lemon, Confidence: 0.00512695312
第 4 步：清理
如需清理资源，请运行以下 kubectl delete 命令：
kubectl delete -f tf/resnet50/loadbalancer.yml kubectl delete -f tf/resnet50/deployment.yml kubectl delete -f tf/resnet50/model-conversion.yml
PyTorch 模型推理和服务
安装 Python 依赖项，以运行向 PyTorch 模型服务发送请求的教程 Python 脚本：
pip install -r pt/densenet161/requirements.txt
运行 TorchServe Dense161 E2E 服务演示：
生成模型归档。
- 应用模型归档：
kubectl apply -f pt/densenet161/model-archive.yml
- 使用以下命令验证模型是否已正确安装：
kubectl get pods densenet161-model-archive
STATUS可能需要几分钟时间才能读取Completed。使用 TorchServe 提供模型：
应用模型服务部署：
kubectl apply -f pt/densenet161/deployment.yml
使用以下命令验证服务器是否按预期运行：
kubectl get deployment densenet161-deployment
AVAILABLE可能需要一分钟时间来读取3数据。应用负载均衡器服务：
kubectl apply -f pt/densenet161/loadbalancer.yml
使用以下命令验证负载均衡器是否已准备好接收外部流量：
kubectl get svc densenet161-service
EXTERNAL_IP可能需要几分钟的时间才能列出 IP。
向模型服务器发送测试请求：
从负载均衡器获取外部 IP：
EXTERNAL_IP=$(kubectl get services densenet161-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')运行测试请求脚本，以将请求 (HTTP) 发送到模型服务器：
python3 pt/densenet161/request.py --host $EXTERNAL_IP
您应该会看到如下所示的响应：
Request successful. Response: {'tabby': 0.47878125309944153, 'lynx': 0.20393909513950348, 'tiger_cat': 0.16572578251361847, 'tiger': 0.061157409101724625, 'Egyptian_cat': 0.04997897148132324
通过运行以下
kubectl delete命令清理资源：kubectl delete -f pt/densenet161/loadbalancer.yml kubectl delete -f pt/densenet161/deployment.yml kubectl delete -f pt/densenet161/model-archive.yml
排查常见问题
如需了解 GKE 问题排查信息，请参阅在 GKE 中排查 TPU 问题。
TPU 初始化失败
如果您遇到以下错误，请确保在特权模式下运行 TPU 容器，或者已增大容器内的 ulimit。如需了解详情，请参阅在没有特权模式的情况下运行。
TPU platform initialization failed: FAILED_PRECONDITION: Couldn't mmap: Resource
temporarily unavailable.; Unable to create Node RegisterInterface for node 0,
config: device_path: "/dev/accel0" mode: KERNEL debug_data_directory: ""
dump_anomalies_only: true crash_in_debug_dump: false allow_core_dump: true;
could not create driver instance
调度出现死锁
假设您有两个作业（作业 A 和作业 B），并且都在具有给定 TPU 拓扑（例如 v4-32）的 TPU 切片上调度这两个作业。另外还假设您在 GKE 集群中有两个 v4-32 TPU 切片；我们将这些切片 X 和切片 Y 称为同一切片。由于您的集群有足够的容量来安排这两个作业，因此理论上应该快速安排这两个作业 - 两个 TPU v4-32 切片中的每个作业都要安排一个作业。
但是，如果没有仔细规划，就可能会出现调度死锁。假设 Kubernetes 调度器在切片 X 上安排一个来自作业 A 的 Kubernetes Pod，然后在切片 X 上安排来自作业 B 的一个 Kubernetes Pod。在这种情况下，如果作业 A 的 Kubernetes Pod 亲和性规则，调度器将尝试在切片 X 上安排作业 A 的所有剩余 Kubernetes Pod。对作业 B 也是如此。因此，作业 A 和作业 B 都无法在单个切片上完全调度。这会导致调度死锁。
为避免调度死锁的风险，您可以使用 Kubernetes Pod 反亲和性并将 cloud.google.com/gke-nodepool 用作 topologyKey，如以下示例所示：
apiVersion: batch/v1
kind: Job
metadata:
name: pi
spec:
parallelism: 2
template:
metadata:
labels:
job: pi
spec:
affinity:
podAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchExpressions:
- key: job
operator: In
values:
- pi
topologyKey: cloud.google.com/gke-nodepool
podAntiAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchExpressions:
- key: job
operator: NotIn
values:
- pi
topologyKey: cloud.google.com/gke-nodepool
namespaceSelector:
matchExpressions:
- key: kubernetes.io/metadata.name
operator: NotIn
values:
- kube-system
containers:
- name: pi
image: perl:5.34.0
command: ["sleep", "60"]
restartPolicy: Never
backoffLimit: 4
使用 Terraform 创建 TPU 节点池资源
您还可以使用 Terraform 管理集群和节点池资源。
在现有 GKE 集群中创建多主机 TPU 切片节点池
如果您想要在现有集群中创建多主机 TPU 节点池，则可以使用以下 Terraform 代码段：
resource "google_container_cluster" "cluster_multi_host" {
…
release_channel {
channel = "RAPID"
}
workload_identity_config {
workload_pool = "my-gke-project.svc.id.goog"
}
addons_config {
gcs_fuse_csi_driver_config {
enabled = true
}
}
}
resource "google_container_node_pool" "multi_host_tpu" {
provider = google-beta
project = "${project-id}"
name = "${node-pool-name}"
location = "${location}"
node_locations = ["${node-locations}"]
cluster = google_container_cluster.cluster_multi_host.name
initial_node_count = 2
node_config {
machine_type = "ct4p-hightpu-4t"
reservation_affinity {
consume_reservation_type = "SPECIFIC_RESERVATION"
key = "compute.googleapis.com/reservation-name"
values = ["${reservation-name}"]
}
workload_metadata_config {
mode = "GKE_METADATA"
}
}
placement_policy {
type = "COMPACT"
tpu_topology = "2x2x2"
}
}
替换以下值：
your-project：运行工作负载的 Google Cloud 项目。your-node-pool：您要创建的节点池的名称。us-central2：运行工作负载的区域。us-central2-b：运行工作负载的可用区。your-reservation-name：预留的名称。
在现有 GKE 集群中创建单主机 TPU 切片节点池
使用以下 Terraform 代码段：
resource "google_container_cluster" "cluster_single_host" {
…
cluster_autoscaling {
autoscaling_profile = "OPTIMIZE_UTILIZATION"
}
release_channel {
channel = "RAPID"
}
workload_identity_config {
workload_pool = "${project-id}.svc.id.goog"
}
addons_config {
gcs_fuse_csi_driver_config {
enabled = true
}
}
}
resource "google_container_node_pool" "single_host_tpu" {
provider = google-beta
project = "${project-id}"
name = "${node-pool-name}"
location = "${location}"
node_locations = ["${node-locations}"]
cluster = google_container_cluster.cluster_single_host.name
initial_node_count = 0
autoscaling {
total_min_node_count = 2
total_max_node_count = 22
location_policy = "ANY"
}
node_config {
machine_type = "ct4p-hightpu-4t"
workload_metadata_config {
mode = "GKE_METADATA"
}
}
}
替换以下值：
your-project：运行工作负载的 Google Cloud 项目。your-node-pool：您要创建的节点池的名称。us-central2：运行工作负载的区域。us-central2-b：运行工作负载的可用区。