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虚拟化有着强烈的诉求。GPU卡作为重要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移演进的趋势，所以如何更好的利用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:

  • 提高资源利用率（GPU/显存）。GPU共享后，总利用率接近运行任务利用率之和，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。

cke_173.png

二 CCE平台上GPU虚拟化的优势

CCE GPU虚拟化采用自主研发的xGPU虚拟化技术，能够动态对GPU设备显存与算力进行划分，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，虚拟化的方案更加灵活，最大程度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，

  • 灵活：精细配置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，无需进行CUDA库替换，对业务无感。

三 CCE上如何更好的使用xGPU能力

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,方便后期管理和调度。

cke_174.png

3.1 安装插件

GPU的使用需要借助CCE插件能力实现，前往CCE 插件市场进行插件的安装。

  1. 安装Volcano调度器插件

    cke_175.png

    插件安装完成后，可前往配置中心-调度设置，设置默认调度器为Volcano，如果不设置需要在负载yaml中指定调度器spec.schedulerName: volcano

    cke_176.png

  2. 安装GPU插件(CCE AI 套件)

    插件中心安装gpu插件，驱动选择中默认驱动的下载链接：https://hgcs-drivers-cn-north-4.obs.cn-north-4.myhuaweicloud.com/release/driver/tesla/NVIDIA-Linux-x86_64，然后选择对应的驱动版本，支持不同节点池选择不同驱动版本。

    cke_177.png

3.2 创建负载任务调用xGPU资源

根据xGPU支持虚拟化维度进行操作实践

注意: 未开启volcano作为全局调度器时，需要在yaml指定调度器为volcano

3.2.1 xGPU模式之显存隔离如何使用

1、创建负载app01.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: app01
spec:
  replicas: 1
  selector:
    matchLabels:
      app: app01
  template:
    metadata:
      labels:
        app: app01
    spec:
      containers:
      - name: bert-container
        image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1 
        ports: 
        - containerPort: 80
        resources:
          limits:
            volcano.sh/gpu-mem.128Mi: '16'
          requests:
            volcano.sh/gpu-mem.128Mi: '16'
      schedulerName: volcano
复制

volcano.sh/gpu-mem.128Mi: '16': 显存申请量等于 128Mi x 16=2048Mi=2Gi;也当前负载最多只能使用2Gi的显存资源。

2、查看Pod信息，pod yaml自动生成两条注解，同样也标注了负载使用了2Gi显存

cke_178.png

3、容器内使用nvidia-smi查看显存，表现最大显存为2Gi,显存隔离生效

cke_179.png

4、由于XGPU显存隔离能力通过HCE2.0能力使用，在节点上查看/proc/xgpu目录，0表示 xgpu 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。

cke_180.png

查看容器ID对应命令，查看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配置。

cke_181.png

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生成一个新的虚拟gpu卡号

3.2.2 xGPU模式之显存算力均隔离如何使用

1、创建负载app02,yaml如下

apiVersion: apps/v1
kind: Deployment
metadata:
  name: app02
spec:
  replicas: 1
  selector:
    matchLabels:
      app: app02
  template:
    metadata:
      labels:
        app: app02
    spec:
      containers:
      - name: bert-container
        image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1 
        ports: 
        - containerPort: 80
        resources:
          limits:
            volcano.sh/gpu-mem.128Mi: '32'
            volcano.sh/gpu-core.percentage: '20'
          requests:
            volcano.sh/gpu-mem.128Mi: '32'
            volcano.sh/gpu-core.percentage: '20'
      schedulerName: volcano

volcano.sh/gpu-mem.128Mi: '32': 显存申请量等于 128Mi x 32=4096Mi=4Gi

volcano.sh/gpu-core.percentage: '20' : 算力申请量等于整卡算力的20%

表示当前负载最多只能使用4Gi的显存，算力上限为20%。

2、查看Pod信息，yaml文件自动生成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%

cke_182.png

容器内查看显存为4Gi

3、前往宿主机查看GPU资源使用状况

节点上查看显存为4Gi，可用算力为20%

cke_183.png

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插件配置中选择“虚拟化节点兼容GPU共享模式”选项，即可兼容Kubernetes默认GPU调度能力。

开启该兼容能力后，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。

1、创建工作负载app03,yaml如下，使用整卡调度

apiVersion: apps/v1
kind: Deployment
metadata:
  name: app03
spec:
  replicas: 1
  selector:
    matchLabels:
      app: app03
  template:
    metadata:
      labels:
        app: app03
    spec:
      containers:
      - name: bert-container
        image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1 
        ports: 
        - containerPort: 80
        resources:
          limits:
            nvidia.com/gpu: 1
          requests:
            nvidia.com/gpu: 1
      schedulerName: volcano

2、查看Pod信息，yaml文件中自动生成2条注解，算力可使用整卡百分之100的算力

cke_184.png

3、容器内查看到整卡的显存资源

cke_185.png

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

cke_186.png

5、创建工作负载app04, yaml如下，使用分卡共享调度

apiVersion: apps/v1
kind: Deployment
metadata:
  name: app04
spec:
  replicas: 1
  selector:
    matchLabels:
      app: app04
  template:
    metadata:
      labels:
        app: app04
    spec:
      containers:
      - name: bert-container
        image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1 
        ports: 
        - containerPort: 80
        resources:
          limits:
            nvidia.com/gpu: 0.4
          requests:
            nvidia.com/gpu: 0.4
      schedulerName: volcano

注意：兼容Kubernetes默认GPU调度模式时，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

6、查看Pod信息，yaml文件自动转换成显存隔离，算力不隔离

cke_187.png

7、容器内查看用到整卡百分之40显存资源

cke_188.png

8、节点看到 显存隔离生效，算力不进行隔离

cke_189.png

3.3.4 单pod中多个容器(显存隔离)

1、创建工作负载app05,yaml如下：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: app05
spec:
  replicas: 1
  selector:
    matchLabels:
      app: app05
  template:
    metadata:
      labels:
        app: app05
    spec:
      containers:
      - name: bert-container
        image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1 
        ports: 
        - containerPort: 80
        resources:
          limits:
            volcano.sh/gpu-mem.128Mi: '16'
          requests:
            volcano.sh/gpu-mem.128Mi: '16'
      - name: bert-container2
        image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1 
        command:
        - /bin/bash
        args:
        - '-c'
        - while true; do echo hello; sleep 10;done
        ports: 
        - containerPort: 81
        resources:
          limits:
            volcano.sh/gpu-mem.128Mi: '16'
          requests:
            volcano.sh/gpu-mem.128Mi: '16'
      schedulerName: volcano

2、查看Pod信息，yaml文件注解中会有两个容器的资源使用2Gi+2Gi

cke_190.png

3、两个容器中各自都看到有2Gi显存的资源

cke_191.png

cke_192.png

4、节点查看 congtainer目录下生成两个容器文件，显存隔离都为2Gi，算力都没有做限制

cke_193.png

3.3.5 单节点多张gpu卡

1、购买多gpu卡机型

cke_194.png

2、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,同时多卡调度，也不支持1.x，2.x 形式，需要大于1的整数

cke_195.png

3、节点上能看到两张gpu物理卡编号

cke_196.png

看到容器资源显存隔离生效，xgu1是从0号gpu卡上软件连接过来的

cke_197.png

3.4 GPU监控相关指标

1、查看监控指标需要安装kube-prometheus-stack插件的server模式

cke_198.png

2、创建业务负载app06，yaml如下

apiVersion: apps/v1

kind: Deployment

metadata:

name: app06

spec:

replicas: 1

selector:

matchLabels:

app: app06

template:

metadata:

labels:

app: app06

spec:

containers:

- name: bert-container

image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1

ports:

- containerPort: 80

resources:

limits:

volcano.sh/gpu-mem.128Mi: '16'

volcano.sh/gpu-core.percentage: '20'

requests:

volcano.sh/gpu-mem.128Mi: '16'

volcano.sh/gpu-core.percentage: '20'

- name: bert-container2

image: swr.cn-north-4.myhuaweicloud.com/container-solution/bert-intent-detection:v1

command:

- /bin/bash

args:

- '-c'

- while true; do echo hello; sleep 10;done

ports:

- containerPort: 81

resources:

limits:

volcano.sh/gpu-mem.128Mi: '16'

volcano.sh/gpu-core.percentage: '20'

requests:

volcano.sh/gpu-mem.128Mi: '16'

volcano.sh/gpu-core.percentage: '20'

schedulerName: volcano

xGPU核心监控指标

xgpu_memory_total：容器GPU虚拟化显存总量，该指标为container级别

cke_199.png

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

cke_200.png

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

cke_201.png

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

cke_202.png

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

cke_203.png

多卡场景，gpu_index字段为gpu物理卡的编号

cke_204.png

xgpu_device_health：GPU虚拟化设备的健康情况，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

cke_205.png

其他监控指标请参考：监控GPU资源指标_云容器引擎 CCE_用户指南_Standard和Turbo集群用户指南_调度_GPU调度

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套件的能力进行驱动版本的更新

1.编辑gpu插件 点击使用获取535.54.03版本的驱动下载链接

cke_206.png

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

cke_207.png

3.插件升级完成后必须手动重启gpu节点才能生效

cke_208.png

cke_209.png

节点重启中

cke_210.png

节点驱动升级完成

cke_211.png

验证：gpu驱动升级成功到535.54.03版本

cke_212.png

点击关注，第一时间了解华为云新鲜技术~

Logo
华为云开发者联盟

为开发者提供学习成长、分享交流、生态实践、资源工具等服务，帮助开发者快速成长。

更多推荐

cover

从K8s的“临时容器”看K8s设计的厉害之处

avatar 华为云开发者联盟
cover

仓颉编程语言技术指南：嵌套函数、Lambda 表达式、闭包

avatar 华为云开发者联盟
cover

一步即扫，直达应用所有服务

avatar 华为云开发者联盟