Använda GPU:er för beräkningsintensiva arbetsbelastningar (AKS på Azure Stack HCI 23H2)

Artikel
06/08/2024

Gäller för: Azure Stack HCI, version 23H2

Kommentar

Information om GPU:er i AKS på Azure Stack HCI 22H2 finns i Använda GPU:er (HCI 22H2).

Grafiska bearbetningsenheter (GPU) används för beräkningsintensiva arbetsbelastningar som maskininlärning, djupinlärning med mera. Den här artikeln beskriver hur du använder GPU:er för beräkningsintensiva arbetsbelastningar i AKS som aktiveras av Azure Arc.

GPU-modeller som stöds

Följande GPU-modeller stöds av AKS på Azure Stack HCI 23H2:

Tillverkare	GPU-modell	Version som stöds
Nvidia	A2	2311.2
Nvidia	A16	2402.0

VM-storlekar som stöds

Följande VM-storlekar för varje GPU-modeller stöds av AKS på Azure Stack HCI 23H2.

Nvidia A2 stöds av NC2 A2 SKU:er

Storlek på virtuell dator	GPU: er	GPU-minne: GiB	vCPU	Minne: GiB
Standard_NC4_A2	1	16	4	8
Standard_NC8_A2	1	16	8	16
Standard_NC16_A2	2	48	16	64
Standard_NC32_A2	2	48	32	28

Nvidia A16 stöds av NC2 A16 SKU:er

Storlek på virtuell dator	GPU: er	GPU-minne: GiB	vCPU	Minne: GiB
Standard_NC4_A16	1	16	4	8
Standard_NC8_A16	1	16	8	16
Standard_NC16_A16	2	48	16	64
Standard_NC32_A16	2	48	32	28

Innan du börjar

Om du vill använda GPU:er i AKS Arc kontrollerar du att du har installerat nödvändiga GPU-drivrutiner innan du påbörjar distributionen av klustret. Följ stegen i det här avsnittet.

Steg 1: Installera operativsystemet

Installera operativsystemet Azure Stack HCI, version 23H2 lokalt på varje server i ditt Azure Stack HCI-kluster.

Steg 2: avinstallera NVIDIA-värddrivrutinen

Gå till Kontrolna tabla > Lägg till eller ta bort program på varje värddator, avinstallera NVIDIA-värddrivrutinen och starta sedan om datorn. När datorn har startats om bekräftar du att drivrutinen har avinstallerats. Öppna en upphöjd PowerShell-terminal och kör följande kommando:

Get-PnpDevice  | select status, class, friendlyname, instanceid | findstr /i /c:"3d video"

Du bör se att GPU-enheterna visas i ett feltillstånd som visas i det här exemplets utdata:

Error       3D Video Controller                   PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000 
Error       3D Video Controller                   PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&3569C1D3&0&0000

Steg 3: Demontera värddrivrutinen från värden

När du avinstallerar värddrivrutinen hamnar den fysiska GPU:n i ett feltillstånd. Du måste demontera alla GPU-enheter från värden.

Kör följande kommandon i PowerShell för varje GPU-enhet (3D Video Controller). Kopiera instans-ID:t. till exempel PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000 från föregående kommandoutdata:

$id1 = "<Copy and paste GPU instance id into this string>"
$lp1 = (Get-PnpDeviceProperty -KeyName DEVPKEY_Device_LocationPaths -InstanceId $id1).Data[0]
Disable-PnpDevice -InstanceId $id1 -Confirm:$false
Dismount-VMHostAssignableDevice -LocationPath $lp1 -Force

Kontrollera att GPU:erna var korrekt demonterade från värden genom att köra följande kommando. Du bör placera GPU:er i ett Unknown tillstånd:

Get-PnpDevice  | select status, class, friendlyname, instanceid | findstr /i /c:"3d video"

Unknown       3D Video Controller               PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000 
Unknown       3D Video Controller               PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&3569C1D3&0&0000

Steg 4: Ladda ned och installera NVIDIA-begränsningsdrivrutinen

Programvaran kan innehålla komponenter som utvecklats och ägs av NVIDIA Corporation eller dess licensgivare. Användningen av dessa komponenter styrs av NVIDIA-slutanvändarlicensavtalet.

Se dokumentationen för NVIDIA-datacentret för att ladda ned NVIDIA-begränsningsdrivrutinen. När du har laddat ned drivrutinen expanderar du arkivet och installerar åtgärdsdrivrutinen på varje värddator. Du kan följa det här PowerShell-skriptet för att ladda ned begränsningsdrivrutinen och extrahera den:

Invoke-WebRequest -Uri "https://docs.nvidia.com/datacenter/tesla/gpu-passthrough/nvidia_azure_stack_inf_v2022.10.13_public.zip" -OutFile "nvidia_azure_stack_inf_v2022.10.13_public.zip"
mkdir nvidia-mitigation-driver
Expand-Archive .\nvidia_azure_stack_inf_v2022.10.13_public.zip .\nvidia-mitigation-driver\

Om du vill installera åtgärdsdrivrutinen går du till mappen som innehåller de extraherade filerna och väljer GPU-drivrutinsfilen baserat på den faktiska GPU-typen som är installerad på dina Azure Stack HCI-värdar. Om typen till exempel är A2 GPU högerklickar du på filen nvidia_azure_stack_A2_base.inf och väljer Installera.

Du kan också installera med hjälp av kommandoraden genom att navigera till mappen och köra följande kommandon för att installera åtgärdsdrivrutinen:

pnputil /add-driver nvidia_azure_stack_A2_base.inf /install 
pnputil /scan-devices

När du har installerat åtgärdsdrivrutinen visas GPU:erna i OK-tillståndet under Nvidia A2_base – Demonterad:

Get-PnpDevice  | select status, class, friendlyname, instanceid | findstr /i /c:"nvidia"

OK       Nvidia A2_base - Dismounted               PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000 
OK       Nvidia A2_base - Dismounted               PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&3569C1D3&0&0000

Steg 5: Upprepa steg 1 till 4

Upprepa steg 1 till 4 för varje server i HCI-klustret.

Steg 6: Fortsätt distributionen av Azure Stack HCI-klustret

Fortsätt distributionen av Azure Stack HCI-klustret genom att följa stegen i distributionen av Azure Stack HCI version 23H2.

Hämta en lista över tillgängliga GPU-aktiverade VM-SKU:er

När distributionen av Azure Stack HCI-klustret är klar kan du köra följande CLI-kommando för att visa tillgängliga VM-SKU:er i distributionen. Om dina GPU-drivrutiner är korrekt installerade visas motsvarande GPU VM-SKU:er:

az aksarc vmsize list --custom-location <custom location ID> -g <resource group name>

Skapa ett nytt arbetsbelastningskluster med en GPU-aktiverad nodpool

För närvarande är GPU-aktiverade nodpooler endast tillgängliga för Linux-nodpooler. Så här skapar du ett nytt Kubernetes-kluster:

az aksarc create -n <aks cluster name> -g <resource group name> --custom-location <custom location ID> --vnet-ids <vnet ID>

I följande exempel läggs en nodpool med 2 GPU-aktiverade noder (NVDIA A2) med en Standard_NC4_A2 VM-SKU:

az aksarc nodepool add --cluster-name <aks cluster name> -n <node pool name> -g <resource group name> --node-count 2 --node-vm-size Standard_NC4_A2 --os-type Linux

Bekräfta att du kan schemalägga GPU:er

När du har skapat GPU-nodpoolen bekräftar du att du kan schemalägga GPU:er i Kubernetes. Börja med att ange noderna i klustret med kommandot kubectl get nodes :

kubectl get nodes

NAME             STATUS  ROLES                 AGE   VERSION
moc-l9qz36vtxzj  Ready   control-plane,master  6m14s  v1.22.6
moc-lhbkqoncefu  Ready   <none>                3m19s  v1.22.6
moc-li87udi8l9s  Ready   <none>                3m5s  v1.22.6

Använd nu kommandot kubectl describe node för att bekräfta att GPU:er kan schemaläggas. I avsnittet Kapacitet ska GPU visas som nvidia.com/gpu: 1.

kubectl describe <node> | findstr "gpu"

Utdata bör visa GPU:erna från arbetsnoden och se ut ungefär så här:

Capacity: 
  cpu:                4 
  ephemeral-storage:  103110508Ki 
  hugepages-1Gi:      0 
  hugepages-2Mi:      0 
  memory:             7865020Ki 
  nvidia.com/gpu:     1 
  pods:               110

Köra en GPU-aktiverad arbetsbelastning

När du har slutfört föregående steg skapar du en ny YAML-fil för testning. till exempel gpupod.yaml. Kopiera och klistra in följande YAML i den nya filen med namnet gpupod.yaml och spara den sedan:

apiVersion: v1
kind: Pod
metadata:
  name: cuda-vector-add
spec:
  restartPolicy: OnFailure
  containers:
  - name: cuda-vector-add
    image: "k8s.gcr.io/cuda-vector-add:v0.1"
    resources:
      limits:
        nvidia.com/gpu: 1

Kör följande kommando för att distribuera exempelprogrammet:

kubectl apply -f gpupod.yaml

Kontrollera att podden startade, slutförde körningen och att GPU:n har tilldelats:

kubectl describe pod cuda-vector-add | findstr 'gpu'

Föregående kommando ska visa en tilldelad GPU:

nvidia.com/gpu: 1
nvidia.com/gpu: 1

Kontrollera loggfilen för podden för att se om testet har klarats:

kubectl logs cuda-vector-add

Följande är exempelutdata från föregående kommando:

[Vector addition of 50000 elements]
Copy input data from the host memory to the CUDA device
CUDA kernel launch with 196 blocks of 256 threads
Copy output data from the CUDA device to the host memory
Test PASSED
Done

Om du får ett versionsmatchningsfel när du anropar drivrutiner, till exempel "CUDA-drivrutinsversionen är otillräcklig för CUDA-körningsversionen", läser du kompatibilitetsdiagrammet för NVIDIA-drivrutinsmatrisen.

Vanliga frågor

Vad händer under uppgraderingen av en GPU-aktiverad nodpool?

Uppgradering av GPU-aktiverade nodpooler följer samma löpande uppgraderingsmönster som används för vanliga nodpooler. För att GPU-aktiverade nodpooler i en ny virtuell dator ska kunna skapas på den fysiska värddatorn måste en eller flera fysiska GPU:er vara tillgängliga för att enhetstilldelningen ska lyckas. Den här tillgängligheten säkerställer att dina program kan fortsätta köras när Kubernetes schemalägger poddar på den uppgraderade noden.

Innan du uppgraderar:

Planera för stilleståndstid under uppgraderingen.
Ha en extra GPU per fysisk värd om du kör Standard_NK6 eller 2 extra GPU:er om du kör Standard_NK12. Om du kör med full kapacitet och inte har någon extra GPU rekommenderar vi att du skalar ned nodpoolen till en enskild nod före uppgraderingen och sedan skalar upp när uppgraderingen har slutförts.

Vad händer om jag inte har extra fysiska GPU:er på min fysiska dator under en uppgradering?

Om en uppgradering utlöses på ett kluster utan extra GPU-resurser för att underlätta den löpande uppgraderingen låser sig uppgraderingsprocessen tills en GPU är tillgänglig. Om du kör med full kapacitet och inte har någon extra GPU rekommenderar vi att du skalar ned nodpoolen till en enskild nod före uppgraderingen och sedan skalar upp när uppgraderingen har slutförts.

Dela via