Criar um pool de nós de GPU de várias instâncias no AKS (Serviço de Kubernetes do Azure)
A GPU A100 da NVIDIA pode ser dividida em até sete instâncias independentes. Cada instância tem sua própria memória e SM (Multiprocessador de fluxo). Para obter mais informações sobre o Nvidia A100, confira GPU Nvidia A100.
Este artigo explica como criar um pool de nós de GPU de várias instâncias em um cluster do AKS (Serviço de Kubernetes do Azure).
Pré-requisitos e limitações
- Uma conta do Azure com uma assinatura ativa. Se você não tiver uma, crie uma conta gratuita.
- CLI do Azure versão 2.2.0 ou posterior instalada e configurada. Execute
az --version
para encontrar a versão. Se você precisa instalar ou atualizar, consulte Instalar a CLI do Azure. - O cliente de linha de comando do Kubernetes, kubectl, instalado e configurado. Se você usar o Azure Cloud Shell, o
kubectl
já estará instalado. Para instalá-lo localmente, você pode usar o comandoaz aks install-cli
. - Helm v3 instalado e configurado. Para obter mais informações, confira Como instalar o Helm.
- Você não pode usar o Dimensionador Automático de Cluster com pools de nós de várias instâncias.
Perfis de instância de GPU
Os perfis de instância de GPU definem como as GPUs são particionadas. A tabela a seguir mostra o perfil de instância de GPU disponível para o Standard_ND96asr_v4
:
Nome do perfil | Fração do SM | Fração de memória | Número de instâncias criadas |
---|---|---|---|
MIG 1g.5gb | 1/7 | 1/8 | 7 |
MIG 2g.10gb | 2/7 | 2/8 | 3 |
MIG 3g.20gb | 3/7 | 4/8 | 2 |
MIG 4g.20gb | 4/7 | 4/8 | 1 |
MIG 7g.40gb | 7/7 | 8/8 | 1 |
Por exemplo, o perfil de instância da GPU MIG 1g.5gb
indica que cada instância da GPU terá um SM (recurso de computação) de 1 GB e 5 GB de memória. Nesse caso, a GPU será particionada em sete instâncias.
Os perfis de instância da GPU disponíveis para esse tamanho de instância incluem MIG1g
, MIG2g
, MIG3g
, MIG4g
e MIG7g
.
Importante
Não é possível alterar o perfil de instância de GPU aplicado após a criação do pool de nós.
Criar um cluster AKS
Crie um grupo de recursos do Azure usando o comando
az group create
.az group create --name myResourceGroup --location southcentralus
Crie um cluster do AKS usando o comando
az aks create
.az aks create \ --resource-group myResourceGroup \ --name myAKSCluster\ --node-count 1 \ --generate-ssh-keys
Criar um pool de nós de GPU com várias instâncias
Você pode usar a CLI do Azure ou uma solicitação HTTP para a API do ARM para criar o pool de nós.
Crie um pool de nós de GPU de várias instâncias usando o comando
az aks nodepool add
e especifique o perfil de instância de GPU.az aks nodepool add \ --name mignode \ --resource-group myResourceGroup \ --cluster-name myAKSCluster \ --node-vm-size Standard_ND96asr_v4 \ --gpu-instance-profile MIG1g
Determinar a estratégia de MIG (GPU de várias instâncias)
Antes de instalar os plug-ins da Nvidia, você precisa especificar qual estratégia de MIG (GPU de várias instâncias) usar para o particionamento de GPU: estratégia única ou estratégia mista. As estratégias não afetarão como você executa cargas de trabalho de CPU, mas como os recursos de GPU serão exibidos.
- Estratégia única: a estratégia única trata cada instância da GPU como uma GPU. Se você usar essa estratégia, os recursos de GPU serão exibidos como
nvidia.com/gpu: 1
. - Estratégia mista: a estratégia mista expõe as instâncias e o perfil de instância da GPU. Se você usar essa estratégia, o recurso de GPU será exibido como
nvidia.com/mig1g.5gb: 1
.
Instalar o plug-in do dispositivo NVIDIA e a descoberta de recursos da GPU
Defina sua estratégia de MIG como uma variável de ambiente. Você pode usar estratégias únicas ou mistas.
# Single strategy export MIG_STRATEGY=single # Mixed strategy export MIG_STRATEGY=mixed
Adicione o plug-in do dispositivo Nvidia e os repositórios helm de descoberta de recursos de GPU usando os comandos
helm repo add
ehelm repo update
.helm repo add nvdp https://nvidia.github.io/k8s-device-plugin helm repo add nvgfd https://nvidia.github.io/gpu-feature-discovery helm repo update
Instale o plug-in do dispositivo Nvidia usando o comando
helm install
.helm install \ --version=0.14.0 \ --generate-name \ --set migStrategy=${MIG_STRATEGY} \ nvdp/nvidia-device-plugin
Instale a descoberta de recursos de GPU usando o comando
helm install
.helm install \ --version=0.2.0 \ --generate-name \ --set migStrategy=${MIG_STRATEGY} \ nvgfd/gpu-feature-discovery
Confirmar a capacidade da GPU de várias instâncias
Configure
kubectl
para se conectar ao seu cluster do AKS usando o comandoaz aks get-credentials
.az aks get-credentials --resource-group myResourceGroup --name myAKSCluster
Verifique a conexão com o cluster usando o comando
kubectl get
para retornar uma lista dos nós de cluster.kubectl get nodes -o wide
Confirme se o nó tem a capacidade de GPU de várias instâncias usando o comando
kubectl describe node
. O comando de exemplo a seguir descreve o nó chamado mignode, que usa MIG1g como o perfil de instância de GPU.kubectl describe node mignode
Sua saída deve ser parecida com o seguinte exemplo de saída:
# Single strategy output Allocatable: nvidia.com/gpu: 56 # Mixed strategy output Allocatable: nvidia.com/mig-1g.5gb: 56
Agendar trabalho
Os exemplos a seguir são baseados na imagem base CUDA versão 12.1.1 para Ubuntu22.04, marcada como 12.1.1-base-ubuntu22.04
.
Estratégia única
Crie um arquivo chamado
single-strategy-example.yaml
e copie-o para o manifesto a seguir.apiVersion: v1 kind: Pod metadata: name: nvidia-single spec: containers: - name: nvidia-single image: nvidia/cuda:12.1.1-base-ubuntu22.04 command: ["/bin/sh"] args: ["-c","sleep 1000"] resources: limits: "nvidia.com/gpu": 1
Implante o aplicativo usando o comando
kubectl apply
e especifique o nome do manifesto YAML.kubectl apply -f single-strategy-example.yaml
Verifique os dispositivos de GPU alocados usando o comando
kubectl exec
. Esse comando retorna uma lista dos nós de cluster.kubectl exec nvidia-single -- nvidia-smi -L
O exemplo a seguir é semelhante à saída que mostra as implantações e serviços criados com êxito:
GPU 0: NVIDIA A100 40GB PCIe (UUID: GPU-48aeb943-9458-4282-da24-e5f49e0db44b) MIG 1g.5gb Device 0: (UUID: MIG-fb42055e-9e53-5764-9278-438605a3014c) MIG 1g.5gb Device 1: (UUID: MIG-3d4db13e-c42d-5555-98f4-8b50389791bc) MIG 1g.5gb Device 2: (UUID: MIG-de819d17-9382-56a2-b9ca-aec36c88014f) MIG 1g.5gb Device 3: (UUID: MIG-50ab4b32-92db-5567-bf6d-fac646fe29f2) MIG 1g.5gb Device 4: (UUID: MIG-7b6b1b6e-5101-58a4-b5f5-21563789e62e) MIG 1g.5gb Device 5: (UUID: MIG-14549027-dd49-5cc0-bca4-55e67011bd85) MIG 1g.5gb Device 6: (UUID: MIG-37e055e8-8890-567f-a646-ebf9fde3ce7a)
Estratégia mista
Crie um arquivo chamado
mixed-strategy-example.yaml
e copie-o para o manifesto a seguir.apiVersion: v1 kind: Pod metadata: name: nvidia-mixed spec: containers: - name: nvidia-mixed image: nvidia/cuda:12.1.1-base-ubuntu22.04 command: ["/bin/sh"] args: ["-c","sleep 100"] resources: limits: "nvidia.com/mig-1g.5gb": 1
Implante o aplicativo usando o comando
kubectl apply
e especifique o nome do manifesto YAML.kubectl apply -f mixed-strategy-example.yaml
Verifique os dispositivos de GPU alocados usando o comando
kubectl exec
. Esse comando retorna uma lista dos nós de cluster.kubectl exec nvidia-mixed -- nvidia-smi -L
O exemplo a seguir é semelhante à saída que mostra as implantações e serviços criados com êxito:
GPU 0: NVIDIA A100 40GB PCIe (UUID: GPU-48aeb943-9458-4282-da24-e5f49e0db44b) MIG 1g.5gb Device 0: (UUID: MIG-fb42055e-9e53-5764-9278-438605a3014c)
Importante
A marca latest
para imagens CUDA foi preterida no Docker Hub. Consulte o repositório da NVIDIA para obter as imagens mais recentes e as marcas correspondentes.
Solução de problemas
Se você não vir a capacidade de GPU de várias instâncias após a criação do pool de nós, confirme se a versão da API não é mais antiga que 2021-08-01.
Próximas etapas
Para obter mais informações sobre pools de nós do AKS, confira Gerenciar pools de nós para um cluster no AKS.
Azure Kubernetes Service