Partilhar via

Máquinas virtuais GPU para dispositivos GPU Azure Stack Edge Pro

  • Artigo

APLICA-SE A:Sim para Pro - GPU SKU Azure Stack Edge Pro - GPUSim para Pro 2 SKUAzure Stack Edge Pro 2Sim para Pro R SKUAzure Stack Edge Pro R

As cargas de trabalho aceleradas por GPU em um dispositivo GPU Azure Stack Edge Pro exigem uma VM GPU (máquina virtual). Este artigo fornece uma visão geral das VMs de GPU, incluindo sistemas operacionais suportados, drivers de GPU e tamanhos de VM. As opções de implantação para VMs GPU usadas com clusters Kubernetes também são discutidas.

Sobre VMs GPU

Seus dispositivos Azure Stack Edge podem estar equipados com 1 ou 2 GPU Tesla T4 ou Tensor Core A2 da Nvidia. Para implantar cargas de trabalho de VM aceleradas por GPU nesses dispositivos, use tamanhos de VM otimizados para GPU. A VM da GPU escolhida deve corresponder à marca da GPU no seu dispositivo Azure Stack Edge. Para obter mais informações, consulte VMs otimizadas para GPU da série N suportadas.

Para aproveitar os recursos de GPU das VMs da série N do Azure, os drivers de GPU da Nvidia devem ser instalados. A extensão de driver de GPU da Nvidia instala drivers Nvidia CUDA ou GRID apropriados. Você pode instalar as extensões de GPU usando modelos ou por meio do portal do Azure.

Você pode instalar e gerenciar a extensão usando os modelos do Azure Resource Manager após a implantação da VM. No portal do Azure, você pode instalar a extensão de GPU durante ou após a implantação de uma VM; para obter instruções, consulte Implantar VMs de GPU em seu dispositivo Azure Stack Edge.

Se o dispositivo tiver um cluster Kubernetes configurado, verifique as considerações de implantação para clusters Kubernetes antes de implantar VMs GPU.

Drivers de SO e GPU suportados

As extensões de driver de GPU da Nvidia para Windows e Linux suportam as seguintes versões do sistema operacional.

Extensão de SO para GPU suportada para Windows

Esta extensão suporta os seguintes sistemas operativos (SOs). Outras versões podem funcionar, mas não foram testadas internamente em VMs de GPU em execução em dispositivos Azure Stack Edge.

Distribuição Versão
Windows Server 2019 Principal
Windows Server 2016 Principal

Extensão de SO para GPU suportada para Linux

Esta extensão suporta a seguinte distro do sistema operacional, dependendo do suporte do driver para a versão específica do sistema operacional. Outras versões podem funcionar, mas não foram testadas internamente em VMs de GPU em execução em dispositivos Azure Stack Edge.

Distribuição Versão
Red Hat Enterprise Linux 7.4

Nota

A extensão GPU do Ubuntu 18.04 LTS foi preterida. A extensão GPU não é mais suportada em VMs de GPU do Ubuntu 18.04 em execução em dispositivos Azure Stack Edge. Se você planeja utilizar a distro Ubuntu versão 18.04 LTS, consulte as etapas para a instalação manual do driver GPU em CUDA Toolkit 12.1 Update 1 Downloads. Pode ser necessário baixar a chave de assinatura CUDA antes da instalação. Para obter um exemplo de instalação da chave de assinatura, consulte Solucionar problemas de extensão de GPU para VMs de GPU na GPU do Azure Stack Edge Pro.

Implantação de GPU VM

Você pode implantar uma VM de GPU por meio do portal do Azure ou usando modelos do Azure Resource Manager. A extensão GPU é instalada após a criação da VM.

VMs GPU e Kubernetes

Antes de implantar VMs de GPU em seu dispositivo, analise as considerações a seguir se o Kubernetes estiver configurado no dispositivo.

Para dispositivo 1-GPU:

  • Crie uma VM GPU seguida pela configuração do Kubernetes no seu dispositivo: nesse cenário, a criação da VM GPU e a configuração do Kubernetes serão bem-sucedidas. O Kubernetes não terá acesso à GPU neste caso.

  • Configurar o Kubernetes no seu dispositivo seguido da criação de uma VM GPU: Nesse cenário, o Kubernetes afirma que a GPU no seu dispositivo e a criação da VM falharão, pois não há recursos de GPU disponíveis.

Para dispositivo de 2 GPUs

  • Crie uma VM GPU seguida pela configuração do Kubernetes no seu dispositivo: nesse cenário, a VM GPU que você criar reivindicará uma GPU no seu dispositivo e a configuração do Kubernetes também será bem-sucedida e reivindicará a GPU restante.

  • Crie duas VMs GPU seguidas pela configuração do Kubernetes no seu dispositivo: nesse cenário, as duas VMs GPU afirmam que as duas GPUs no dispositivo e o Kubernetes é configurado com êxito sem GPUs.

  • Configurar o Kubernetes no seu dispositivo seguido da criação de uma VM GPU: Nesse cenário, o Kubernetes afirma que as GPUs no seu dispositivo e a criação da VM falharão, pois não há recursos de GPU disponíveis.

Próximos passos