Kubernetes 提供对分布在节点上的 NVIDIA GPU 进行管理的实验支持。本页描述用户如何使用 GPU 以及当前使用的一些限制
Kubernetes 节点必须预先安装好 NVIDIA 驱动,否则,Kubelet 将检测不到可用的GPU信息;如果节点的 Capacity 属性中没有出现 NIVIDA GPU 的数量,有可能是驱动没有安装或者安装失败,请尝试重新安装
在整个 Kubernetes 系统中,feature-gates 里面特定的 alpha 特性参数 Accelerators
必须设置为 true:--feature-gates="Accelerators=true"
Kubernetes 节点必须使用 docker
引擎作为容器的运行引擎
上述预备工作完成后,节点会自动发现它上面的 NVIDIA GPU,并将其作为可调度资源暴露
容器可以通过名称为 alpha.kubernetes.io/nvidia-gpu
的标识来申请需要使用的 NVIDIA GPU 的数量
apiVersion: v1
kind: Pod
metadata:
name: gpu-pod
spec:
containers:
-
name: gpu-container-1
image: k8s.gcr.io/pause:2.0
resources:
limits:
alpha.kubernetes.io/nvidia-gpu: 2 # requesting 2 GPUs
-
name: gpu-container-2
image: k8s.gcr.io/pause:2.0
resources:
limits:
alpha.kubernetes.io/nvidia-gpu: 3 # requesting 3 GPUs
GPU 只能在容器资源的 limits
中配置
容器和 Pod 都不支持共享 GPU
每个容器可以申请使用一个或者多个 GPU
GPU 必须以整数为单位被申请使用
所有节点的 GPU 硬件要求相同
如果在不同的节点上面安装了不同版本的 GPU,可以通过设置节点标签以及使用节点选择器的方式将 pod 调度到期望运行的节点上。工作流程如下:
在节点上,识别出 GPU 硬件类型,然后将其作为节点标签进行暴露
NVIDIA_GPU_NAME=$(nvidia-smi --query-gpu=gpu_name --format=csv,noheader --id=0)
source /etc/default/kubelet
KUBELET_OPTS="$KUBELET_OPTS --node-labels='alpha.kubernetes.io/nvidia-gpu-name=$NVIDIA_GPU_NAME'"
echo "KUBELET_OPTS=$KUBELET_OPTS" > /etc/default/kubelet
在 pod 上,通过节点亲和性规则为它指定可以使用的 GPU 类型
kind: pod
apiVersion: v1
metadata:
annotations:
scheduler.alpha.kubernetes.io/affinity: >
{
"nodeAffinity": {
"requiredDuringSchedulingIgnoredDuringExecution": {
"nodeSelectorTerms": [
{
"matchExpressions": [
{
"key": "alpha.kubernetes.io/nvidia-gpu-name",
"operator": "In",
"values": ["Tesla K80", "Tesla P100"]
}
]
}
]
}
}
}
spec:
containers:
-
name: gpu-container-1
resources:
limits:
alpha.kubernetes.io/nvidia-gpu: 2
上述设定可以确保 pod 会被调度到包含名称为 alpha.kubernetes.io/nvidia-gpu-name
的标签并且标签的值为 Tesla K80
或者 Tesla P100
的节点上
当未来的 Kubernetes 版本能够更好的支持GPU以及一般的硬件加速器时,这里的 API 描述将会随之做出变更
到目前为止,还需要预先在节点上安装 CUDA 库
为了避免后面使用库出现问题,可以将库放到 /var/lib/
下的某个文件夹下,或者直接改变库目录的权限(以后的版本会自动完成这一过程)
Pods能够通过 hostPath
卷来访问库
kind: Pod
apiVersion: v1
metadata:
name: gpu-pod
spec:
containers:
- name: gpu-container-1
image: k8s.gcr.io/pause:2.0
resources:
limits:
alpha.kubernetes.io/nvidia-gpu: 1
volumeMounts:
- mountPath: /usr/local/nvidia/bin
name: bin
- mountPath: /usr/lib/nvidia
name: lib
volumes:
- hostPath:
path: /usr/lib/nvidia-375/bin
name: bin
- hostPath:
path: /usr/lib/nvidia-375
name: lib
Kubernetes 对硬件加速器的支持还处在早期阶段
GPU 和其它的加速器很快会成为系统的本地计算资源
将引入更好的 API 以可扩展的方式提供和使用加速器
Kubernetes 将会自动确保应用在使用 GPU 时得到最佳性能
类似访问 CUDA 库这种关键的可用性问题将得到解决
此页是否对您有帮助?
Thanks for the feedback. If you have a specific, answerable question about how to use Kubernetes, ask it on Stack Overflow. Open an issue in the GitHub repo if you want to report a problem or suggest an improvement.