你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

Azure Stack Edge Pro GPU 设备上的 GPU 共享

  • 项目

图形处理单元 (GPU) 是旨在加速图形渲染的专用处理器。 GPU 可以同时处理许多数据片段，使这些片段能够用于机器学习、视频编辑和游戏应用程序。 除了用于常规用途计算的 CPU 以外，Azure Stack Edge Pro GPU 设备还可以包含一个或两个 Nvidia Tesla T4 GPU 用于运行计算密集型工作负载，例如硬件加速推理。 有关详细信息，请参阅 Nvidia 的 Tesla T4 GPU。

关于 GPU 共享

许多机器学习工作负载或其他计算工作负载可能不需要专用的 GPU。 GPU 可以共享，在容器化工作负载或 VM 工作负载之间共享 GPU 有助于提高 GPU 利用率，而且不会明显影响 GPU 的性能优势。

将 GPU 用于 VM

在 Azure Stack Edge Pro 设备上，部署 VM 工作负载时不能共享 GPU。 一个 GPU 只能映射到一个 VM。 这意味着，在配备一个 GPU 的设备上只能有一个 GPU VM，在配备两个 GPU 的设备上只能有两个 VM。 在为容器化工作负载配置了 Kubernetes 的设备上使用 GPU VM 时，还必须考虑其他因素。 有关详细信息，请参阅 GPU VM 和 Kubernetes。

将 GPU 用于容器

如果要部署容器化的工作负载，可以通过多种方式在硬件和软件层共享 GPU。 如果 Azure Stack Edge Pro 设备上配备了 Tesla T4 GPU，则仅限于软件共享。 在设备上，使用以下两种方法进行 GPU 软件共享：

  • 第一种方法涉及到使用环境变量来指定可共享时间的 GPU 数。 使用此方法时请注意以下事项：

    • 可以使用此方法指定一个或两个 GPU，或者不指定任何 GPU。 不能指定一部分使用量。
    • 多个模块可以映射到一个 GPU，但同一个模块不能映射到多个 GPU。
    • 使用 Nvidia SMI 输出可以查看总体 GPU 利用率，包括内存利用率。

    有关详细信息，请参阅如何在设备上部署使用 GPU 的 IoT Edge 模块。

  • 第二种方法要求在 Nvidia GPU 上启用多进程服务。 MPS 是一个运行时服务，它允许多个使用 CUDA 的进程在单个共享的 GPU 上并发运行。 MPS 允许重叠 GPU 上不同进程的内核和 memcopy 操作，以实现最大利用率。 有关详细信息，请参阅多进程服务。

    使用此方法时请注意以下事项：

    • MPS 允许在 GPU 部署中指定更多标志。
    • 可以通过 MPS 指定一部分使用量，从而限制设备上部署的每个应用程序的使用。 可以通过添加以下参数，在 deployment.yaml 的 env 部分中指定用于每个应用的 GPU 百分比：
    // Example: application wants to limit gpu percentage to 20%

    env:
        - name: CUDA_MPS_ACTIVE_THREAD_PERCENTAGE
            value: "20"

GPU 利用率

在设备上部署的容器化工作负载上共享 GPU 时，可以使用 Nvidia 系统管理界面 (nvidia-smi)。 Nvidia-smi 是一个命令行实用程序，可帮助你管理和监视 Nvidia GPU 设备。 有关详细信息，请参阅 Nvidia 系统管理界面。

若要查看 GPU 使用率，请先连接到设备的 PowerShell 接口。 运行 Get-HcsNvidiaSmi 命令并查看 Nvidia SMI 输出。 还可以通过在设备上启用 MPS 并部署多个工作负载来查看 GPU 利用率如何变化。 有关详细信息，请参阅启用多进程服务。

后续步骤