Présentation des TPU dans GKE
Les clients Google Kubernetes Engine (GKE) peuvent désormais créer des pools de nœuds Kubernetes contenant des pods TPU v4 et v5e. Un pod TPU est un groupe d'appareils TPU connectés par des interconnexions à haut débit. Pour les charges de travail qui ne nécessitent pas un pod TPU complet, vous pouvez utiliser un sous-ensemble d'un pod TPU complet appelé tranche TPU. Comme pour les pods TPU complets, chaque appareil TPU d'une tranche possède sa propre VM TPU. Une VM TPU et son appareil connecté sont appelés hôte ou nœud TPU. Pour en savoir plus sur les pods TPU, consultez la page Architecture du système.
Étant donné que le terme pod utilisé dans le contexte de GKE désigne généralement un pod Kubernetes, pour éviter toute confusion, nous faisons toujours référence à un ensemble d'un ou plusieurs appareils TPU en tant que tranche.
Lorsque vous travaillez avec GKE, vous devez d'abord créer un cluster GKE.
Vous pouvez ensuite ajouter des pools de nœuds à votre cluster. Les pools de nœuds GKE sont des ensembles de VM qui partagent les mêmes attributs. Pour les charges de travail TPU, les pools de nœuds sont constitués de VM TPU.
Types de pools de nœuds
GKE est compatible avec deux types de pools de nœuds TPU:
Pool de nœuds de tranches TPU à hôtes multiples
Un pool de nœuds de tranches TPU multi-hôtes est un pool de nœuds contenant au moins deux VM TPU interconnectées. Chaque VM dispose d'un appareil TPU qui y est connecté. Les TPU d'une tranche multi-hôtes sont connectés via une interconnexion à haut débit (ICI). Un pool de nœuds de tranches TPU à plusieurs hôtes est immuable. Une fois qu'un pool de nœuds de tranches à hôtes multiples est créé, vous ne pouvez pas y ajouter de nœuds. Par exemple, vous ne pouvez pas créer un pool de nœuds v4-32
et y ajouter ultérieurement un nœud Kubernetes (VM TPU) supplémentaire. Pour ajouter une tranche TPU supplémentaire à un cluster GKE, vous devez créer un pool de nœuds.
Les hôtes d'un pool de nœuds de tranches TPU à hôtes multiples sont traités comme une seule unité atomique. Si GKE ne parvient pas à déployer un nœud de la tranche, le déploiement de tous les nœuds de cette tranche échoue.
Si un nœud d'une tranche TPU multi-hôte doit être réparé, GKE arrête toutes les VM (nœuds) TPU de la tranche, forçant l'éviction de tous les pods GKE de la charge de travail. Une fois que toutes les VM TPU de la tranche sont opérationnelles, les pods GKE peuvent être programmés sur les VM TPU de la nouvelle tranche.
Le schéma suivant montre un exemple de tranche de pod TPU v5litepod-16 (v5e). Cette tranche comporte quatre VM TPU. Chaque VM TPU v5e possède quatre puces TPU v5e connectées via des interconnexions à haut débit (ICI), et chaque puce TPU v5e possède un TensorCore.
Le schéma suivant montre un cluster GKE contenant une tranche TPU v5litepod-16
(v5e) (topologie: 4x4) et une tranche TPU v5litepod-8
(v5e) (topologie: 2x4):
Pour obtenir un exemple d'exécution d'une charge de travail sur une tranche TPU multi-hôte, consultez la page Exécuter une charge de travail sur une tranche TPU multi-hôte.
Pools de nœuds de tranches TPU à hôte unique
Un pool de nœuds de tranche à hôte unique est un pool de nœuds contenant une ou plusieurs VM TPU indépendantes. Chacune de ces VM dispose d'un appareil TPU qui y est connecté. Bien que les VM d'un pool de nœuds en tranches à hôte unique puissent communiquer via le réseau de centres de données (DCN), les TPU associés aux VM ne sont pas interconnectés.
Le schéma suivant montre un exemple de tranche TPU à hôte unique avec sept machines v4-8
:
Pour obtenir un exemple d'exécution d'une charge de travail sur une tranche TPU à hôte unique, consultez la page Exécuter vos charges de travail sur des nœuds TPU.
Types de machines TPU pour les pools de nœuds GKE
Avant de créer des pools de nœuds, vous devez choisir la version TPU et la taille de la tranche TPU de votre charge de travail. TPU v4 est compatible avec GKE Standard 1.26.1-gke.1500
et versions ultérieures, v5e dans GKE Standard 1.27.2-gke.2100
et versions ultérieures, et v5p dans GKE Standard 1.28.3-gke.1024000
et versions ultérieures.
TPU v4, v5e et v5p sont compatibles avec GKE Autopilot version 1.29.2-gke.1521000
et ultérieures.
Pour en savoir plus sur les spécifications matérielles des différentes versions de TPU, consultez la section Architecture du système. Lors de la création d'un pool de nœuds TPU, sélectionnez une taille de tranche TPU (topologie de TPU) en fonction de la taille de votre modèle et de la quantité de mémoire requise. Le type de machine que vous spécifiez lors de la création de vos pools de nœuds dépend de la version et de la taille de vos tranches.
V5E
Vous trouverez ci-dessous les topologies et types de machines TPU v5e compatibles avec les cas d'utilisation d'entraînement et d'inférence:
Type de machine | Topologie | Nombre de puces TPU | Nombre de VM | Cas d'utilisation recommandé |
---|---|---|---|---|
ct5lp-hightpu-1t |
1x1 | 1 | 1 | Entraînement, inférence sur un seul hôte |
ct5lp-hightpu-4t |
2x2 | 4 | 1 | Entraînement, inférence sur un seul hôte |
ct5lp-hightpu-8t |
2x4 | 8 | 1 | Entraînement, inférence sur un seul hôte |
ct5lp-hightpu-4t |
2x4 | 8 | 2 | Entraînement, inférence multi-hôte |
ct5lp-hightpu-4t |
4x4 | 16 | 4 | Entraînement à grande échelle, inférence multi-hôte |
ct5lp-hightpu-4t |
4x8 | 32 | 8 | Entraînement à grande échelle, inférence multi-hôte |
ct5lp-hightpu-4t |
8x8 | 64 | 16 | Entraînement à grande échelle, inférence multi-hôte |
ct5lp-hightpu-4t |
8x16 | 128 | 32 | Entraînement à grande échelle, inférence multi-hôte |
ct5lp-hightpu-4t |
16x16 | 256 | 64 | Entraînement à grande échelle, inférence multi-hôte |
Cloud TPU v5e est un produit qui combine l'entraînement et l'inférence. Les tâches d'entraînement sont optimisées pour le débit et la disponibilité, tandis que les tâches d'inférence sont optimisées pour la latence. Pour en savoir plus, consultez les pages Types d'accélérateurs d'entraînement v5e et Types d'accélérateurs d'inférence v5e.
Les machines TPU v5e sont disponibles dans us-west4-a
, us-east5-b
et us-east1-c
.
Les clusters GKE Standard doivent exécuter le plan de contrôle version 1.27.2-gke.2100 ou ultérieure.
GKE Autopilot doit exécuter le plan de contrôle version 1.29.2-gke.1521000 ou ultérieure.
Pour en savoir plus sur la version v5e, consultez la page Entraînement sur Cloud TPU v5e.
Comparaison des types de machines:
Type de machine | ct5lp-hightpu-1t | ct5lp-hightpu-4t | ct5lp-hightpu-8t |
---|---|---|---|
Nombre de puces v5e | 1 | 4 | 8 |
Nombre de vCPU | 24 | 112 | 224 |
Mémoire RAM (Go) | 48 | 192 | 384 |
Nombre de nœuds NUMA | 1 | 1 | 2 |
Probabilité de préemption | Élevée | Moyenne | Faible |
Pour libérer de l'espace pour les VM dotées de plus de puces, le programmeur GKE peut préempter et replanifier les VM avec moins de puces. Les VM à 8 puces sont donc susceptibles de préempter les VM à 1 et 4 puces.
v4 et v5p
Voici les types de machines TPU v4 et v5p:
Type de machine | Nombre de processeurs virtuels | Mémoire (Go) | Nombre de nœuds NUMA |
---|---|---|---|
ct4p-hightpu-4t |
240 | 407 | 2 |
ct5p-hightpu-4t |
208 | 448 | 2 |
Lorsque vous créez une tranche TPU v4, utilisez le type de machine ct4p-hightpu-4t
, qui comporte un hôte et quatre puces. Pour en savoir plus, consultez les pages Topologies v4 et Architecture du système TPU. Les types de machines de pod TPU v4 sont disponibles dans us-central2-b
. Vos clusters GKE Standard doivent exécuter le plan de contrôle en version 1.26.1-gke.1500
ou ultérieure.
Les clusters GKE Autopilot doivent exécuter le plan de contrôle en version 1.29.2-gke.1521000
ou ultérieure.
Lorsque vous créez une tranche TPU v5p, utilisez le type de machine ct5p-hightpu-4t
, qui comporte un hôte et quatre puces. Les types de machines de pod TPU v5p sont disponibles dans us-west4-a
et us-east5-a
.
Les clusters GKE Standard doivent exécuter le plan de contrôle en version 1.28.3-gke.1024000
ou ultérieure.
GKE Autopilot doit exécuter 1.29.2-gke.1521000
ou une version ultérieure.
Pour en savoir plus sur la version v5p, consultez la page Présentation de l'entraînement v5p.
Limites et problèmes connus
- Nombre maximal de pods Docker: vous pouvez exécuter jusqu'à 256 pods Docker dans une seule VM TPU.
- Réservations SPÉCIFIQUES uniquement: lorsque vous utilisez des TPU dans GKE,
SPECIFIC
est la seule valeur acceptée pour l'option--reservation-affinity
de la commandegcloud container node-pools create
. - Seule la variante de VM Spot des TPU préemptifs est compatible : les VM Spot sont semblables aux VM préemptives et sont soumises aux mêmes limites de disponibilité, mais leur durée maximale n'est pas de 24 heures.
- Aucune répartition des coûts n'est possible: la répartition des coûts GKE et la mesure de l'utilisation n'incluent aucune donnée sur l'utilisation ou les coûts des TPU.
- L'autoscaler peut calculer la capacité: l'autoscaler de cluster peut calculer la capacité de manière incorrecte pour les nouveaux nœuds TPU avant que ces nœuds ne soient disponibles. L'autoscaler de cluster peut ensuite effectuer un scaling à la hausse supplémentaire et créer ainsi plus de nœuds que nécessaire. L'autoscaler de cluster réduit les nœuds supplémentaires, s'ils ne sont pas nécessaires, après une opération de scaling à la baisse régulière.
- L'autoscaler annule le scaling à la hausse: l'autoscaler de cluster annule le scaling à la hausse des pools de nœuds TPU qui sont en attente pendant plus de 15 minutes. L'autoscaler de cluster relancera ces opérations de scaling à la hausse ultérieurement. Ce comportement peut réduire l'obtention de TPU pour les clients qui n'utilisent pas de réservations.
- Le rejet peut empêcher le scaling à la baisse: les charges de travail non-TPU qui ont une tolérance pour le rejet TPU peuvent empêcher le scaling à la baisse du pool de nœuds si elles sont recréées lors du drainage du pool de nœuds TPU.
Assurez-vous que les quotas TPU et GKE sont suffisants
Vous devrez peut-être augmenter certains quotas associés à GKE dans les régions où vos ressources sont créées.
Les quotas suivants comportent des valeurs par défaut qui devront probablement être augmentées:
- Quota de disque persistant SSD (Go): le disque de démarrage de chaque nœud Kubernetes nécessite 100 Go par défaut. Par conséquent, ce quota doit être défini au moins égal à 100 Go (nombre maximal de nœuds GKE que vous prévoyez de créer).
- Quota d'adresses IP en cours d'utilisation: chaque nœud Kubernetes consomme une adresse IP. Par conséquent, ce quota doit être défini au moins équivalent au nombre maximal de nœuds GKE que vous prévoyez de créer.
Pour demander une augmentation du quota, consultez Demander un quota supérieur. Pour plus d'informations sur les types de quotas de TPU, consultez la section Quotas de TPU.
L'approbation de vos demandes d'augmentation de quota peut prendre quelques jours. Si vous rencontrez des difficultés pour faire approuver vos demandes d'augmentation de quota en quelques jours, contactez l'équipe Comptes Google.
Migrer votre réservation TPU
Si vous ne prévoyez pas d'utiliser une réservation de TPU existante avec des TPU dans GKE, ignorez cette section et accédez à Créer un cluster Google Kubernetes Engine.
Pour utiliser des TPU réservés avec GKE, vous devez d'abord migrer votre réservation de TPU vers un nouveau système de réservation basé sur Compute Engine.
Voici quelques points importants à connaître sur cette migration:
- La capacité de TPU migrée vers le nouveau système de réservation basé sur Compute Engine ne peut pas être utilisée avec l'API Queued Resource de Cloud TPU. Si vous avez l'intention d'utiliser des ressources en file d'attente TPU avec votre réservation, vous ne devrez migrer qu'une partie de votre réservation TPU vers le nouveau système de réservation basé sur Compute Engine.
- Aucune charge de travail ne peut s'exécuter activement sur les TPU lors de leur migration vers le nouveau système de réservation basé sur Compute Engine.
- Sélectionnez une heure pour effectuer la migration et collaborez avec l'équipe chargée de votre compte Google Cloud pour la planifier. La période de migration doit être définie pendant les heures de bureau (du lundi au vendredi, de 9h à 17h, heure du Pacifique).
Créer un cluster Google Kubernetes Engine
Consultez la section Créer un cluster dans la documentation de Google Kubernetes Engine.
Créer un pool de nœuds TPU
Consultez la section Créer un pool de nœuds dans la documentation de Google Kubernetes Engine.
Exécution sans mode privilégié
Si vous souhaitez réduire le niveau d'autorisation des autorisations sur votre conteneur, consultez la section Mode privilège TPU.
Exécuter des charges de travail sur des nœuds TPU
Consultez la section Exécuter vos charges de travail sur des nœuds TPU dans la documentation Google Kubernetes Engine.
Sélecteurs de nœuds
Pour que Kubernetes puisse planifier votre charge de travail sur des nœuds TPU, vous devez spécifier deux sélecteurs pour chaque nœud TPU dans votre fichier manifeste Google Kubernetes Engine:
- Définissez
cloud.google.com/gke-accelerator-type
surtpu-v5-lite-podslice
outpu-v4-podslice
. - Définissez
cloud.google.com/gke-tpu-topology
sur la topologie TPU du nœud TPU.
Les sections Charges de travail d'entraînement et Charges de travail d'inférence contiennent des exemples de fichiers manifestes illustrant l'utilisation de ces sélecteurs de nœuds.
Considérations sur la planification des charges de travail
Les TPU présentent des caractéristiques uniques qui nécessitent des opérations spéciales de planification et de gestion des charges de travail dans Kubernetes. Pour en savoir plus, consultez la section Remarques concernant la planification des charges de travail dans la documentation GKE.
Réparation des nœuds TPU
Si un nœud TPU dans un pool de nœuds de tranches TPU à hôtes multiples n'est pas opérationnel, l'ensemble du pool de nœuds est recréé. Pour en savoir plus, consultez la section Réparation automatique des nœuds dans la documentation GKE.
Multitranche : dépasser une seule tranche
Vous pouvez agréger des tranches plus petites dans une multitranche pour gérer des charges de travail d'entraînement plus importantes. Pour en savoir plus, consultez la page Multislice Cloud TPU.
Tutoriels sur les charges de travail d'entraînement
Ces tutoriels se concentrent sur les charges de travail d'entraînement sur une tranche TPU multi-hôte (par exemple, quatre machines v5e). Ils couvrent les modèles suivants:
- Modèles de fichiers FLAX câlins: entraîner la diffusion sur les Pokémon
- PyTorch/XLA: GPT2 sur WikiText
Télécharger les ressources du tutoriel
Téléchargez les scripts Python du tutoriel et les spécifications YAML pour chaque modèle pré-entraîné à l'aide de la commande suivante:
git clone https://github.com/GoogleCloudPlatform/ai-on-gke.git
Créer un cluster et s'y connecter
Créez un cluster GKE régional pour que le plan de contrôle Kubernetes soit répliqué dans trois zones, offrant ainsi une plus grande disponibilité.
Créez votre cluster dans us-west4
, us-east1
ou us-central2
en fonction de la version de TPU que vous utilisez. Pour en savoir plus sur les TPU et les zones, consultez la page Régions et zones de Cloud TPU.
La commande suivante crée un cluster régional GKE abonné au version disponible rapide avec un pool de nœuds qui contient initialement un nœud par zone. La commande active également les fonctionnalités de pilote CSI Workload Identity et Cloud Storage FUSE sur votre cluster, car les exemples de charges de travail d'inférence de ce guide utilisent des buckets Cloud Storage pour stocker des modèles pré-entraînés.
gcloud container clusters create cluster-name \ --region your-region \ --release-channel rapid \ --num-nodes=1 \ --workload-pool=project-id.svc.id.goog \ --addons GcsFuseCsiDriver
Pour activer les fonctionnalités du pilote CSI Workload Identity et Cloud Storage FUSE pour les clusters existants, exécutez la commande suivante:
gcloud container clusters update cluster-name \ --region your-region \ --update-addons GcsFuseCsiDriver=ENABLED \ --workload-pool=project-id.svc.id.goog
Les exemples de charges de travail sont configurés selon les hypothèses suivantes:
- le pool de nœuds utilise
tpu-topology=4x4
avec quatre nœuds - le pool de nœuds utilise
machine-type
ct5lp-hightpu-4t
Exécutez la commande suivante pour vous connecter au cluster que vous venez de créer:
gcloud container clusters get-credentials cluster-name \ --location=cluster-region
Modèles de fichiers FLAX câlins: entraîner la diffusion sur les Pokémon
Cet exemple entraîne le modèle Stable Diffusion à partir de HuggingFace à l'aide de l'ensemble de données Pokémon.
Le modèle de diffusion stable est un modèle latent de texte à image qui génère des images photoréalistes à partir de n'importe quelle entrée de texte. Pour en savoir plus sur Stable Diffusion, consultez les pages suivantes:
Créer une image Docker
Ce fichier se trouve dans le dossier ai-on-gke/gke-tpu-examples/training/diffusion/
. Exécutez les commandes suivantes pour compiler et transférer l'image Docker.
cd ai-on-gke/gke-tpu-examples/training/diffusion/ docker build -t gcr.io/project-id/diffusion:latest . docker push gcr.io/project-id/diffusion:latest
Déployer la charge de travail
Créez un fichier avec le contenu suivant et nommez-le tpu_job_diffusion.yaml
.
Remplissez le champ "Image" avec l'image que vous venez de créer.
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/<var>project-name</var>/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
Déployez-la ensuite à l'aide de la commande suivante:
kubectl apply -f tpu_job_diffusion.yaml
Effectuer un nettoyage
Une fois votre job exécuté, vous pouvez le supprimer à l'aide de la commande suivante:
kubectl delete -f tpu_job_diffusion.yaml
PyTorch/XLA: GPT2 sur WikiText
Ce tutoriel explique comment exécuter GPT2 sur des TPU v5e à l'aide de HuggingFace sur PyTorch/XLA à l'aide de l'ensemble de données wikitext.
Créer une image Docker
Ce Dockerfile se trouve dans le dossier ai-on-gke/gke-tpu-examples/training/gpt/
.
Exécutez les commandes suivantes pour créer et transférer l'image Docker.
cd ai-on-gke/gke-tpu-examples/training/gpt/ docker build -t gcr.io/project-id/gpt:latest . docker push gcr.io/project-id/gpt:latest
Déployer la charge de travail
Copiez le fichier YAML suivant et enregistrez-le dans un fichier nommé tpu_job_gpt.yaml
. Remplissez le champ "Image" avec l'image que vous venez de créer.
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
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/<var>project-name</var>/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_C_API'
- 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
resources:
requests:
google.com/tpu: 4
limits:
google.com/tpu: 4
Déployez le workflow à l'aide de la commande suivante:
kubectl apply -f tpu_job_gpt.yaml
Effectuer un nettoyage
Une fois l'exécution de votre job terminée, vous pouvez la supprimer en utilisant la commande suivante:
kubectl delete -f tpu_job_gpt.yaml
Tutoriel: Charges de travail d'inférence à hôte unique
Ce tutoriel explique comment exécuter une charge de travail d'inférence à hôte unique sur des TPU GKE v5e pour des modèles pré-entraînés avec JAX, TensorFlow et PyTorch. De manière générale, vous devez effectuer quatre étapes distinctes sur le cluster GKE:
Créer un bucket Cloud Storage et configurer l'accès à celui-ci Vous allez stocker le modèle pré-entraîné à l'aide d'un bucket Cloud Storage.
Télécharger et convertir un modèle pré-entraîné en modèle compatible avec TPU. Appliquer un pod GKE qui télécharge le modèle pré-entraîné, utilise le convertisseur Cloud TPU et stocke les modèles convertis dans un bucket Cloud Storage à l'aide du pilote CSI Cloud Storage FUSE. Le convertisseur Cloud TPU ne nécessite pas de matériel spécialisé. Ce tutoriel explique comment télécharger le modèle et exécuter le convertisseur Cloud TPU dans le pool de nœuds de processeur.
Lancer le serveur correspondant au modèle converti Appliquez un déploiement qui diffuse le modèle à l'aide d'un framework de serveur reposant sur le volume stocké dans le volume persistant ROX (ReadOnlyMany). Les instances répliquées de déploiement doivent être exécutées sur un nœud TPU v5e avec un pod Kubernetes par nœud.
Déployer un équilibreur de charge pour tester le serveur de modèles Le serveur est exposé aux requêtes externes à l'aide du service LoadBalancer. Un script Python a été fourni avec un exemple de requête pour tester le serveur de modèles.
Le schéma suivant montre comment les requêtes sont acheminées par l'équilibreur de charge.
Exemples de déploiement de serveur
Ces exemples de charges de travail sont configurés selon les hypothèses suivantes:
- Le cluster s'exécute avec un pool de nœuds TPU v5 comportant trois nœuds
- Le pool de nœuds utilise le type de machine
ct5lp-hightpu-1t
pour lequel :- topologie 1x1
- le nombre de puces TPU est de 1
Le fichier manifeste GKE suivant définit un seul déploiement sur serveur hôte.
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
Si vous utilisez un nombre différent de nœuds dans votre pool de nœuds TPU, remplacez le champ replicas
par le nombre de nœuds.
Si votre cluster standard exécute GKE version 1.27 ou antérieure, ajoutez le champ suivant à votre fichier manifeste:
spec:
securityContext:
privileged: true
Vous n'avez pas besoin d'exécuter vos pods en mode privilégié dans GKE version 1.28 ou ultérieure. Pour en savoir plus, consultez la section Exécuter des conteneurs sans mode privilégié.
Si vous utilisez un autre type de machine:
- Définissez
cloud.google.com/gke-tpu-topology
sur la topologie correspondant au type de machine que vous utilisez. - Définissez les deux champs
google.com/tpu
sousresources
pour qu'ils correspondent au nombre de puces pour le type de machine correspondant.
Préparation
Téléchargez les scripts Python et les fichiers manifestes YAML du tutoriel à l'aide de la commande suivante:
git clone https://github.com/GoogleCloudPlatform/ai-on-gke.git
Accédez au répertoire single-host-inference
:
cd ai-on-gke/gke-tpu-examples/single-host-inference/
Configurer l'environnement Python
Les scripts Python que vous utilisez dans ce tutoriel nécessitent Python version 3.9 ou ultérieure.
N'oubliez pas d'installer le fichier requirements.txt
pour chaque tutoriel avant d'exécuter les scripts de test Python.
Si vous ne disposez pas de la configuration Python appropriée dans votre environnement local, vous pouvez utiliser Cloud Shell pour télécharger et exécuter les scripts Python de ce tutoriel.
Configurer le cluster
Créez un cluster à l'aide du type de machine
e2-standard-4
.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
Les exemples de charges de travail supposent que:
- Votre cluster s'exécute avec un pool de nœuds TPU v5e comportant trois nœuds.
- Le pool de nœuds TPU utilise le type de machine
ct5lp-hightpu-1t
.
Si vous utilisez une configuration de cluster différente de celle décrite précédemment, vous devez modifier le fichier manifeste de déploiement du serveur.
Pour la démonstration de JAX Stable Diffusion, vous aurez besoin d'un pool de nœuds de processeur avec un type de machine disposant de 16 Gio de mémoire disponible (par exemple, e2-standard-4
). Pour ce faire, utilisez la commande gcloud container clusters create
ou ajoutez un pool de nœuds supplémentaire au cluster existant à l'aide de la commande suivante:
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
Remplacez les éléments suivants :
your-pool-name
: nom du pool de nœuds à créeryour-cluster-zone
: zone dans laquelle votre cluster a été créé.your-cluster-name
: nom du cluster dans lequel ajouter le pool de nœuds.your-machine-type
: type de machine des nœuds à créer dans votre pool de nœuds.
Configurer le stockage du modèle
Il existe plusieurs façons de stocker votre modèle en vue de son inférence. Dans ce tutoriel, nous allons utiliser l'approche suivante:
- Pour convertir le modèle pré-entraîné à fonctionner sur des TPU, nous allons utiliser un cloud privé virtuel reposant sur un disque persistant avec un accès
ReadWriteMany
(RWX). - Pour diffuser le modèle sur plusieurs TPU à hôte unique, nous utiliserons le même VPC reposant sur le bucket Cloud Storage.
Exécutez la commande suivante pour créer un bucket Cloud Storage.
gcloud storage buckets create gs://your-bucket-name \ --project=your-bucket-project-id \ --location=your-bucket-location
Remplacez les éléments suivants :
your-bucket-name
: nom du bucket Cloud Storage.your-bucket-project-id
: ID du projet dans lequel vous avez créé le bucket Cloud Storage.your-bucket-location
: emplacement de votre bucket Cloud Storage. Pour améliorer les performances, spécifiez l'emplacement d'exécution de votre cluster GKE.
Suivez les étapes ci-dessous pour autoriser votre cluster GKE à accéder au bucket. Pour simplifier la configuration, les exemples suivants utilisent l'espace de noms par défaut et le compte de service Kubernetes par défaut. Pour en savoir plus, consultez la page Configurer l'accès aux buckets Cloud Storage à l'aide de GKE Workload Identity.
Créez un compte de service IAM pour votre application ou utilisez un compte de service IAM existant. Vous pouvez utiliser n'importe quel compte de service IAM dans le projet de votre bucket Cloud Storage.
gcloud iam service-accounts create your-iam-service-acct \ --project=your-bucket-project-id
Remplacez les éléments suivants :
your-iam-service-acct
: nom du nouveau compte de service IAM.your-bucket-project-id
: ID du projet dans lequel vous avez créé votre compte de service IAM. Le compte de service IAM doit se trouver dans le même projet que votre bucket Cloud Storage.
Assurez-vous que votre compte de service IAM dispose des rôles de stockage dont vous avez besoin.
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"
Remplacez les éléments suivants :
your-bucket-name
: nom du bucket Cloud Storage.your-iam-service-acct
: nom du nouveau compte de service IAM.your-bucket-project-id
: ID du projet dans lequel vous avez créé votre compte de service IAM.
Autorisez le compte de service Kubernetes à emprunter l'identité du compte de service IAM en ajoutant une liaison de stratégie IAM entre les deux comptes de service. Cette liaison permet au compte de service Kubernetes d'agir en tant que compte de service IAM.
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]"
Remplacez les éléments suivants :
your-iam-service-acct
: nom du nouveau compte de service IAM.your-bucket-project-id
: ID du projet dans lequel vous avez créé votre compte de service IAM.your-project-id
: ID du projet dans lequel vous avez créé votre cluster GKE. Vos buckets Cloud Storage et votre cluster GKE peuvent se trouver dans le même projet ou dans des projets différents.
Annotez le compte de service Kubernetes avec l'adresse e-mail du compte de service IAM.
kubectl annotate serviceaccount default \ --namespace default \ iam.gke.io/gcp-service-account=your-iam-service-acct@your-bucket-project-id.iam.gserviceaccount.com
Remplacez les éléments suivants :
your-iam-service-acct
: nom du nouveau compte de service IAM.your-bucket-project-id
: ID du projet dans lequel vous avez créé votre compte de service IAM.
Exécutez la commande suivante pour renseigner le nom de votre bucket dans les fichiers YAML de cette démonstration:
find . -type f -name "*.yaml" | xargs sed -i "s/BUCKET_NAME/your-bucket-name/g"
Remplacez
your-bucket-name
par le nom de votre bucket Cloud Storage.Créez le volume persistant et la demande de volume persistant à l'aide de la commande suivante:
kubectl apply -f pvc-pv.yaml
Inférence et inférence de modèles JAX
Installez les dépendances Python pour exécuter les scripts Python du tutoriel qui envoient des requêtes au service de modèle JAX.
pip install -r jax/requirements.txt
Exécutez la démonstration de diffusion JAX BERT E2E:
Cette démonstration utilise un modèle BERT pré-entraîné de Hugging Face.
Le pod Kubernetes effectue les étapes suivantes:
- Télécharge et utilise le script Python
export_bert_model.py
à partir des exemples de ressources pour télécharger le modèle BERT pré-entraîné dans un répertoire temporaire. - Utilise l'image du convertisseur Cloud TPU pour convertir le modèle pré-entraîné du processeur en TPU et stocke le modèle dans le bucket Cloud Storage que vous avez créé lors de la setup.
Ce pod Kubernetes est configuré pour s'exécuter sur le processeur du pool de nœuds par défaut. Exécutez le pod à l'aide de la commande suivante:
kubectl apply -f jax/bert/install-bert.yaml
Vérifiez que le modèle a été installé correctement à l'aide de la commande suivante:
kubectl get pods install-bert
La lecture de Completed
par STATUS
peut prendre quelques minutes.
Lancer le serveur de modèles TF pour le modèle
Les exemples de charges de travail de ce tutoriel supposent que:
- Le cluster s'exécute avec un pool de nœuds TPU v5 comportant trois nœuds
- Le pool de nœuds utilise le type de machine
ct5lp-hightpu-1t
qui contient une puce TPU.
Si vous utilisez une configuration de cluster différente de celle décrite précédemment, vous devez modifier le fichier manifeste de déploiement du serveur.
Appliquer le déploiement
kubectl apply -f jax/bert/serve-bert.yaml
Vérifiez que le serveur est en cours d'exécution à l'aide de la commande suivante:
kubectl get deployment bert-deployment
AVAILABLE
peut mettre une minute à lire 3
.
Appliquer le service d'équilibrage de charge
kubectl apply -f jax/bert/loadbalancer.yaml
Vérifiez que l'équilibreur de charge est prêt pour le trafic externe à l'aide des éléments suivants:
kubectl get svc tf-bert-service
L'affichage d'une adresse IP pour EXTERNAL_IP
peut prendre quelques minutes.
Envoyer la requête au serveur de modèles
Obtenez une adresse IP externe à partir du service d'équilibrage de charge:
EXTERNAL_IP=$(kubectl get services tf-bert-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')
Exécutez un script pour envoyer une requête au serveur:
python3 jax/bert/bert_request.py $EXTERNAL_IP
Résultat attendu :
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?."
Effectuer un nettoyage
Pour nettoyer les ressources, exécutez kubectl delete
dans l'ordre inverse.
kubectl delete -f jax/bert/loadbalancer.yaml kubectl delete -f jax/bert/serve-bert.yaml kubectl delete -f jax/bert/install-bert.yaml
Exécuter la démonstration de diffusion JAX Stable Diffusion E2E
Cette démonstration utilise le modèle de diffusion stable pré-entraîné de Hugging Face.
Exporter un modèle enregistré TF2 compatible avec le TPU à partir d'un modèle de diffusion stable Flax
L'exportation des modèles de diffusion stables nécessite que le cluster dispose d'un pool de nœuds de processeur avec un type de machine disposant de plus de 16 Gio de mémoire, comme décrit dans la section Cluster de configuration.
Le pod Kubernetes exécute les étapes suivantes:
- Il télécharge et utilise le script Python
export_stable_diffusion_model.py
des exemples de ressources pour télécharger le modèle de diffusion stable pré-entraîné dans un répertoire temporaire. - Utilise l'image du convertisseur Cloud TPU pour convertir le modèle pré-entraîné du processeur en TPU et stocke le modèle dans le bucket Cloud Storage que vous avez créé lors de la configuration du stockage.
Ce pod Kubernetes est configuré pour s'exécuter sur le pool de nœuds de processeur par défaut. Exécutez le pod à l'aide de la commande suivante:
kubectl apply -f jax/stable-diffusion/install-stable-diffusion.yaml
Vérifiez que le modèle a été installé correctement à l'aide de la commande suivante:
kubectl get pods install-stable-diffusion
La lecture de Completed
par STATUS
peut prendre quelques minutes.
Lancer le conteneur de serveur de modèles TF pour le modèle
Les exemples de charges de travail ont été configurés selon les hypothèses suivantes:
- Le cluster s'exécute avec un pool de nœuds TPU v5 comportant trois nœuds
- le pool de nœuds utilise le type de machine
ct5lp-hightpu-1t
où :- topologie 1x1
- le nombre de puces TPU est de 1
Si vous utilisez une configuration de cluster différente de celle décrite précédemment, vous devez modifier le fichier manifeste de déploiement du serveur.
Appliquez le déploiement:
kubectl apply -f jax/stable-diffusion/serve-stable-diffusion.yaml
Vérifiez que le serveur fonctionne comme prévu:
kubectl get deployment stable-diffusion-deployment
AVAILABLE
peut mettre une minute à lire 3
.
Appliquer le service d'équilibrage de charge:
kubectl apply -f jax/stable-diffusion/loadbalancer.yaml
Vérifiez que l'équilibreur de charge est prêt pour le trafic externe à l'aide des éléments suivants:
kubectl get svc tf-stable-diffusion-service
L'affichage d'une adresse IP pour EXTERNAL_IP
peut prendre quelques minutes.
Envoyer la requête au serveur de modèles
Obtenez une adresse IP externe auprès de l'équilibreur de charge:
EXTERNAL_IP=$(kubectl get services tf-stable-diffusion-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')
Exécuter le script permettant d'envoyer une requête au serveur
python3 jax/stable-diffusion/stable_diffusion_request.py $EXTERNAL_IP
Résultat attendu :
L'invite est Painting of a squirrel skating in New York
, et l'image de sortie sera enregistrée en tant que stable_diffusion_images.jpg
dans votre répertoire actuel.
Effectuer un nettoyage
Pour nettoyer les ressources, exécutez kubectl delete
dans l'ordre inverse.
kubectl delete -f jax/stable-diffusion/loadbalancer.yaml kubectl delete -f jax/stable-diffusion/serve-stable-diffusion.yaml kubectl delete -f jax/stable-diffusion/install-stable-diffusion.yaml
Exécutez la démonstration de diffusion de bout en bout TensorFlow ResNet-50:
Installez les dépendances Python pour exécuter les scripts Python du tutoriel qui envoient des requêtes au service de modèle TF.
pip install -r tf/resnet50/requirements.txt
Étape 1: Convertissez le modèle
Appliquer la conversion par modèle:
kubectl apply -f tf/resnet50/model-conversion.yml
Vérifiez que le modèle a été installé correctement à l'aide de la commande suivante:
kubectl get pods resnet-model-conversion
La lecture de Completed
par STATUS
peut prendre quelques minutes.
Étape 2: Déployer le modèle avec TensorFlow Serving
Appliquez le déploiement d'inférence du modèle:
kubectl apply -f tf/resnet50/deployment.yml
Vérifiez que le serveur fonctionne comme prévu à l'aide de la commande suivante:
kubectl get deployment resnet-deployment
AVAILABLE
peut mettre une minute à lire 3
.
Appliquer le service d'équilibrage de charge:
kubectl apply -f tf/resnet50/loadbalancer.yml
Vérifiez que l'équilibreur de charge est prêt pour le trafic externe à l'aide des éléments suivants:
kubectl get svc resnet-service
L'affichage d'une adresse IP pour EXTERNAL_IP
peut prendre quelques minutes.
Étape 3: Envoyer une requête de test au serveur de modèles
Récupérez l'adresse IP externe de l'équilibreur de charge:
EXTERNAL_IP=$(kubectl get services resnet-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')
Exécutez le script de requête de test (HTTP) pour envoyer une requête au serveur de modèles.
python3 tf/resnet50/request.py --host $EXTERNAL_IP
La réponse doit se présenter comme suit:
Predict result: ['ImageNet ID: n07753592, Label: banana, Confidence: 0.94921875', 'ImageNet ID: n03532672, Label: hook, Confidence: 0.0223388672', 'ImageNet ID: n07749582, Label: lemon, Confidence: 0.00512695312
Étape 4: Effectuer un nettoyage
Pour nettoyer les ressources, exécutez les commandes kubectl delete
suivantes:
kubectl delete -f tf/resnet50/loadbalancer.yml kubectl delete -f tf/resnet50/deployment.yml kubectl delete -f tf/resnet50/model-conversion.yml
Veillez à supprimer le pool de nœuds et le cluster GKE lorsque vous n'en avez plus besoin.
Inférence et inférence de modèles PyTorch
Installez les dépendances Python pour exécuter les scripts du tutoriel Python qui envoient des requêtes au service de modèle PyTorch:
pip install -r pt/densenet161/requirements.txt
Exécutez la démonstration de diffusion de TorchServe Densenet161 E2E:
Générez une archive du modèle.
- Appliquer l'archive du modèle:
kubectl apply -f pt/densenet161/model-archive.yml
- Vérifiez que le modèle a été installé correctement à l'aide de la commande suivante:
kubectl get pods densenet161-model-archive
La lecture de
Completed
parSTATUS
peut prendre quelques minutes.Livrer le modèle avec TorchServe:
Appliquez le déploiement d'inférence du modèle:
kubectl apply -f pt/densenet161/deployment.yml
Vérifiez que le serveur fonctionne comme prévu à l'aide de la commande suivante:
kubectl get deployment densenet161-deployment
AVAILABLE
peut mettre une minute à lire3
.Appliquer le service d'équilibrage de charge:
kubectl apply -f pt/densenet161/loadbalancer.yml
Vérifiez que l'équilibreur de charge est prêt pour le trafic externe à l'aide de la commande suivante:
kubectl get svc densenet161-service
L'affichage d'une adresse IP pour
EXTERNAL_IP
peut prendre quelques minutes.
Envoyer une requête de test au serveur de modèles:
Obtenez une adresse IP externe de l'équilibreur de charge:
EXTERNAL_IP=$(kubectl get services densenet161-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')
Exécutez le script de requête de test pour envoyer une requête (HTTP) au serveur de modèles :
python3 pt/densenet161/request.py --host $EXTERNAL_IP
Une réponse semblable à celle-ci doit s'afficher:
Request successful. Response: {'tabby': 0.47878125309944153, 'lynx': 0.20393909513950348, 'tiger_cat': 0.16572578251361847, 'tiger': 0.061157409101724625, 'Egyptian_cat': 0.04997897148132324
Nettoyez les ressources en exécutant les commandes
kubectl delete
suivantes:kubectl delete -f pt/densenet161/loadbalancer.yml kubectl delete -f pt/densenet161/deployment.yml kubectl delete -f pt/densenet161/model-archive.yml
Veillez à supprimer le pool de nœuds et le cluster GKE lorsque vous n'en avez plus besoin.
Résoudre les problèmes courants
Pour obtenir des informations de dépannage pour GKE, consultez la page Résoudre les problèmes liés à TPU dans GKE.
Échec de l'initialisation du TPU
Si vous rencontrez l'erreur suivante, assurez-vous que vous exécutez votre conteneur TPU en mode privilégié ou que vous avez augmenté la valeur ulimit
dans votre conteneur. Pour en savoir plus, consultez la section Exécution sans mode privilégié.
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
Planifier un interblocage
Supposons que vous ayez deux tâches (tâche A et tâche B) devant être planifiées toutes les deux sur des tranches de pod TPU ayant une topologie TPU donnée (par exemple, v4-32
). Supposons également que le cluster GKE comporte deux tranches de TPU v4-32
. Nous appellerons ces tranches X et Y. Étant donné que votre cluster dispose d'une capacité suffisante pour planifier les deux tâches, en théorie, les deux tâches doivent être planifiées rapidement (une tâche sur chacune des deux tranches v4-32
TPU).
Toutefois, sans une planification minutieuse, il est possible de tomber dans un interblocage de la planification. Supposons que le programmeur Kubernetes planifie un pod de la tâche A sur la tranche X, puis planifie un pod de la tâche B sur la tranche X. Dans ce cas, compte tenu des règles d'affinité des pods pour la tâche A, le programmeur tentera de planifier tous les pods restants pour la tâche A sur le secteur X. Il en va de même pour la tâche B. Ainsi, ni la tâche A, ni la tâche B ne pourront être entièrement planifiées sur une seule tranche. Il en résulte un interblocage de la programmation.
Pour éviter le risque d'interblocage de la planification, vous pouvez utiliser l'anti-affinité de pod avec cloud.google.com/gke-nodepool
comme topologyKey
, comme illustré dans l'exemple suivant:
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
Créer des ressources de pool de nœuds TPU avec Terraform
Vous pouvez également utiliser Terraform pour gérer les ressources de votre cluster et de votre pool de nœuds.
Créer un pool de nœuds de tranches TPU à hôtes multiples dans un cluster GKE existant
Si vous disposez d'un cluster existant dans lequel vous souhaitez créer un pool de nœuds TPU multi-hôtes, vous pouvez utiliser l'extrait Terraform suivant:
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 = "<var>your-project</var>"
name = "<var>your-node-pool</var>"
location = "<var>us-central2</var>"
node_locations = ["<var>us-central2-b</var>"]
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 = ["<var>your-reservation-name</var>"]
}
workload_metadata_config {
mode = "GKE_METADATA"
}
}
placement_policy {
type = "COMPACT"
tpu_topology = "2x2x2"
}
}
Remplacez les valeurs suivantes :
your-project
: projet Google Cloud dans lequel vous exécutez votre charge de travail.your-node-pool
: nom du pool de nœuds que vous créez.us-central2
: région dans laquelle vous exécutez votre charge de travail.us-central2-b
: zone dans laquelle vous exécutez votre charge de travail.your-reservation-name
: nom de votre réservation.
Créer un pool de nœuds de tranches TPU à hôte unique dans un cluster GKE existant
Utilisez l'extrait Terraform suivant:
resource "google_container_cluster" "cluster_single_host" {
…
cluster_autoscaling {
autoscaling_profile = "OPTIMIZE_UTILIZATION"
}
release_channel {
channel = "RAPID"
}
workload_identity_config {
workload_pool = "<var>your-project-id</var>.svc.id.goog"
}
addons_config {
gcs_fuse_csi_driver_config {
enabled = true
}
}
}
resource "google_container_node_pool" "single_host_tpu" {
provider = google-beta
project = "<var>your-project</var>"
name = "<var>your-node-pool</var>"
location = "<var>us-central2</var>"
node_locations = ["<var>us-central2-b</var>"]
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"
}
}
}
Remplacez les valeurs suivantes :
your-project
: projet Google Cloud dans lequel vous exécutez votre charge de travail.your-node-pool
: nom du pool de nœuds que vous créez.us-central2
: région dans laquelle vous exécutez votre charge de travail.us-central2-b
: zone dans laquelle vous exécutez votre charge de travail.