实例演示怎样使用CCE XGPU虚拟化

本文分享自华为云社区《CCE XGPU虚拟化的使用》，作者： 可以交个朋友。
一 背景

在互联网场景中，用户的AI训练和推理任务对GPU虚拟化有着猛烈的诉求。GPU卡作为紧张的计算资源不管是在算法训练还是预测上都不可或缺，而对于常见的算法训练业务或智能业务都有往容器迁徙演进的趋势，所以怎样更好的使用GPU资源成了容器云平台需要解决的问题。云厂商如果提供GPU虚拟化可以为用户带来的如下收益:

• 提高资源使用率（GPU/显存）。GPU共享后，总使用率接近运行任务使用率之和，减少了资源浪费。
  
• 提高服务质量(QoS)，增强公平性。多个任务既可以同时开始享受资源，也可以单独保证某一个任务的运行。
  
• 减少任务排队时间和总任务的消耗时间。假设两个任务结束时间分别是x,y，通过GPU共享，两个任务全部结束的时间小于x+y。
  
• 集群中可以运行更多任务，通过分时复用，减少抢占。
  

二 CCE平台上GPU虚拟化的优势

CCE GPU虚拟化采用自研xGPU虚拟化技术，能够动态对GPU设备显存与算力举行划分，单个GPU卡最多虚拟化成20个GPU虚拟设备。相对于静态分配来说，虚拟化的方案更加机动，最大水平保证业务稳定的前提下，可以完全由用户自己定义使用的GPU量，

• 机动：精细设置GPU算力占比及显存大小，算力分配粒度为5%GPU，显存分配粒度达MB级别。
  
• 隔离：支持显存和算力的严格隔离，支持单显存隔离，算力与显存同时隔离两类场景。
  
• 兼容：业务无需重新编译，无需举行CUDA库替换，对业务无感。
  

三 CCE上怎样更好的使用xGPU本领

建议用户在使用GPU资源时，提前创建好对应规格型号的GPU节点资源池,方便后期管理和调理。

3.1 安装插件

GPU的使用需要借助CCE插件本领实现，前去CCE 插件市场举行插件的安装。
安装Volcano调理器插件

插件安装完成后，可前去设置中心-调理设置，设置默认调理器为Volcano，如果不设置需要在负载yaml中指定调理器spec.schedulerName: volcano

安装GPU插件(CCE AI 套件)
插件中心安装GPU插件，CCE平台已经提供多个版本的驱动，在列出的驱动列表中选择使用即可，支持差别节点池选择差别驱动版本。也支持自行设置其它版本的驱动，需要自行提供驱动下载链接。

3.2 创建负载任务调用xGPU资源

根据xGPU支持虚拟化维度举行操作实践

注意: 未开启volcano作为全局调理器时，需要在yaml指定调理器为volcano
3.2.1 xGPU模式之显存隔离怎样使用

创建负载app01.yaml

1. apiVersion: apps/v1
2. kind: Deployment
3. metadata:
4.   name: app01
5. spec:
6.   replicas: 1
7.   selector:
8.     matchLabels:
9.       app: app01
10.   template:
11.     metadata:
12.       labels:
13.         app: app01
14.     spec:
15.       containers:
16.       - name: bert-container
17.         image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1
18.         ports:
19.         - containerPort: 80
20.         resources:
21.           limits:
22.             volcano.sh/gpu-mem.128Mi: '16'
23.           requests:
24.             volcano.sh/gpu-mem.128Mi: '16'
25.       schedulerName: volcano

复制代码

volcano.sh/gpu-mem.128Mi: '16': 显存申请量即是 128Mi x 16=2048Mi=2Gi;也当前负载最多只能使用2Gi的显存资源。
检察Pod信息，pod yaml自动天生两条注解，同样也标注了负载使用了2Gi显存

容器内使用nvidia-smi检察显存，表现最大显存为2Gi,显存隔离生效

xGPU显存隔离本领通过在HCE2.0上实现，在节点上检察/proc/xgpu目录，0表示使用的物理gpu显卡的序列号（如果是多个卡则有多个目录，文件名从0开始，各个文件对应相关下标的GPU卡），container目录下存放使用gpu虚拟化的 容器信息。

检察容器ID对应命令，检察meminfo和quota文件，可以看到HCE2.0控制给容器GPU卡显存和算力的上限设置。

meminfo ：容器分配显存为2Gi,
quota ：容器分配的算力，0代表不限制算力可以使用到整卡的算力
路径中xgpu3： 代表虚拟gpu卡的卡号 每创建一个新的容器都会按次序天生一个新的虚拟gpu卡号3.3.2 单节点多张gpu卡场景分析

购买多gpu卡机型

虚拟化模式下不支持单pod申请超过一张卡的gpu资源，如单pod需要使用多卡资源请关闭gpu虚拟化；同时多卡调理，也不支持1.x，2.x 形式，需要为大于1的整数

节点上能看到两张gpu物理卡编号

看到容器资源显存隔离生效，xGPU1是从0号gpu卡上软件连接过来的

 3.2.3 xGPU模式之显存算力均隔离怎样使用

创建负载app02,yaml如下

1. apiVersion: apps/v1
2. kind: Deployment
3. metadata:
4.   name: app02
5. spec:
6.   replicas: 1
7.   selector:
8.     matchLabels:
9.       app: app02
10.   template:
11.     metadata:
12.       labels:
13.         app: app02
14.     spec:
15.       containers:
16.       - name: bert-container
17.         image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1
18.         ports:
19.         - containerPort: 80
20.         resources:
21.           limits:
22.             volcano.sh/gpu-mem.128Mi: '32'
23.             volcano.sh/gpu-core.percentage: '20'
24.           requests:
25.             volcano.sh/gpu-mem.128Mi: '32'
26.             volcano.sh/gpu-core.percentage: '20'
27.       schedulerName: volcano

复制代码

volcano.sh/gpu-mem.128Mi: '32': 显存申请量即是 128Mi x 32=4096Mi=4Gi
volcano.sh/gpu-core.percentage: '20' : 算力申请量即是整卡算力的20%
表示当前负载最多只能使用4Gi的显存，算力上限为20%。检察Pod信息，yaml文件自动天生3条注解，标注了负载使用了4Gi显存,算力可使用整卡算力的20%

容器内执行nvidia-smi 命令检察显卡驱动信息也可发现显存为4Gi
前去宿主机检察GPU资源使用状况
节点上/proc/xgpu/container 目录下检察相关容器的xGPU的配额，发现可用显存为4Gi，可用算力为20%

3.3.3 xGPU兼容GPU共享模式

如果您在集群中已使用nvidia.com/gpu资源的工作负载，可在gpu-device-plugin插件设置中选择“虚拟化节点兼容GPU共享模式”选项，即可兼容Kubernetes默认GPU调理本领。
开启该兼容本领后，使用nvidia.com/gpu配额时等价于开启虚拟化GPU显存隔离，可以和显存隔离模式的工作负载共用一张GPU卡，但不支持和算显隔离模式负载共用一张GPU卡。
创建工作负载app03,yaml如下，使用整卡调理

1. apiVersion: apps/v1
2. kind: Deployment
3. metadata:
4.   name: app03
5. spec:
6.   replicas: 1
7.   selector:
8.     matchLabels:
9.       app: app03
10.   template:
11.     metadata:
12.       labels:
13.         app: app03
14.     spec:
15.       containers:
16.       - name: bert-container
17.         image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1
18.         ports:
19.         - containerPort: 80
20.         resources:
21.           limits:
22.             nvidia.com/gpu: 1
23.           requests:
24.             nvidia.com/gpu: 1
25.       schedulerName: volcano

复制代码

检察Pod信息，yaml文件中自动天生2条注解，算力可使用整卡百分之100的算力

容器内执行 nvidia-smi命令检察显卡驱动信息
可以发现当我们申请1张GPU整卡时，容器里的显存上限为整卡的显存配额

节点上检察/proc/xgpu/container/ 目录下为空，容器使用到整卡的显存和算力资源

 创建工作负载app04, yaml如下，使用分卡共享调理

1. apiVersion: apps/v1
2. kind: Deployment
3. metadata:
4.   name: app04
5. spec:
6.   replicas: 1
7.   selector:
8.     matchLabels:
9.       app: app04
10.   template:
11.     metadata:
12.       labels:
13.         app: app04
14.     spec:
15.       containers:
16.       - name: bert-container
17.         image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1
18.         ports:
19.         - containerPort: 80
20.         resources:
21.           limits:
22.             nvidia.com/gpu: 0.4
23.           requests:
24.             nvidia.com/gpu: 0.4
25.       schedulerName: volcano

复制代码

注意：兼容Kubernetes默认GPU调理模式时，如使用nvidia.com/gpu: 0.1参数，最终计算后 ，指定的显存值如非128MiB的整数倍时会向下取整，例如：GPU节点上的显存总量为24258MiB，而24258MiB * 0.1 = 2425.8MiB，此时会向下取整至128MiB的18倍，即18 * 128MiB=2304MiB
检察Pod信息，yaml文件自动转换成显存隔离，算力不隔离

容器内执行 nvidia-smi 命令检察容器中使用的显卡信息
可以发现容器中显存配额为整卡百分之40显存资源

前去节点 /proc/xgpu/container 目录检察分配的xGPU的信息
可以发现对应的容器限制效果为:显存隔离生效算力不举行隔离

3.3.4 单pod中多个容器(显存隔离)

创建工作负载app05,yaml如下：

1. apiVersion: apps/v1
2. kind: Deployment
3. metadata:
4.   name: app05
5. spec:
6.   replicas: 1
7.   selector:
8.     matchLabels:
9.       app: app05
10.   template:
11.     metadata:
12.       labels:
13.         app: app05
14.     spec:
15.       containers:
16.       - name: bert-container
17.         image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1
18.         ports:
19.         - containerPort: 80
20.         resources:
21.           limits:
22.             volcano.sh/gpu-mem.128Mi: '16'
23.           requests:
24.             volcano.sh/gpu-mem.128Mi: '16'
25.       - name: bert-container2
26.         image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1
27.         command:
28.         - /bin/bash
29.         args:
30.         - '-c'
31.         - while true; do echo hello; sleep 10;done
32.         ports:
33.         - containerPort: 81
34.         resources:
35.           limits:
36.             volcano.sh/gpu-mem.128Mi: '16'
37.           requests:
38.             volcano.sh/gpu-mem.128Mi: '16'
39.       schedulerName: volcano

复制代码

检察Pod信息，yaml文件注解中会有两个容器的资源使用2Gi+2Gi、

容器中执行nvidia-smi命令，检察容器中显存分配信息
两个容器中各自都看到有2Gi显存的资源

节点检察 /proc/xgpu/congtainer目录下天生两个容器文件，显存隔离都为2Gi，算力都没有做限制

3.4 GPU监控相关指标

检察监控指标需要安装kube-prometheus-stack插件的server模式

xGPU焦点监控指标
xgpu_memory_total：容器GPU虚拟化显存总量，该指标为container级别

xgpu_memory_used：容器使用GPU虚拟化显存使用量，该指标为container级别

xgpu_core_percentage_total：容器GPU虚拟化算力总量，该指标为container级别，20代表可以使用整卡算力的20%,该指标为container级别

xgpu_core_percentage_used：容器GPU虚拟化算力使用量，该指标为container级别，目前使用量为0

gpu_schedule_policy：GPU虚拟化分三种模式（0：显存隔离算力共享模式、1：显存算力隔离模式、2：默认模式，表示当前卡还没被用于GPU虚拟化设备分配）,该指标为节点级别

多卡场景，gpu_index字段为gpu物理卡的编号

xgpu_device_health：GPU虚拟化设备的健康环境，0：表示GPU虚拟化设备为健康状态；1：表示GPU虚拟化设备为非健康状态。该指标为container级别

其他监控指标请参考：https://support.huaweicloud.com/usermanual-cce/cce_10_0741.html
3.5 升级GPU驱动版本

Nvidia driver驱动程序定期会发布新版本，如果负载需要使用新版本驱动，可以通过CCE AI套件的本领举行驱动版本的更新
1.编辑gpu插件 点击使用获取535.54.03版本的驱动下载链接

https://hgcs-drivers-cn-north-4.obs.cn-north-4.myhuaweicloud.com/release/driver/tesla/NVIDIA-Linux-x86_64-535.54.03.run
2.更改gpu001节点池的下载驱动链接为535.54.03版本

3.插件升级完成后必须手动重启gpu节点才气生效
注意：重启节点会造成该节点上业务制止，需要提前将该节点设置禁止调理，然后扩容该节点上关键业务，再举行驱逐处理，最后重启节点，恢复调理。

节点重启中

节点驱动升级完成

验证：gpu驱动升级成功到535.54.03版本

 
点击关注，第一时间了解华为云奇怪技术~
 

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。