ACK提供了GPU共享调度能力，服务于共享单GPU的模型预测场景，同时也可以通过Nvidia驱动内核态保障GPU显存的隔离。本文介绍如何在GPU节点上安装共享GPU组件和GPU资源查询工具，实现GPU的调度和隔离能力。
前提条件
- 支持共享GPU调度的节点不能设置CPU Policy为
static。 - 创建ACK Pro集群。ACK Pro集群的实例规格类型需要设置为异构计算GPU/FPGA/NPU，其他配置请参见创建ACK Pro版集群。
说明 仅支持在ACK Pro集群安装共享GPU组件，如果您使用的是专有版集群，您可以提交工单申请白名单。
- 通过kubectl工具连接集群。
- 共享GPU组件的安装没有地域限制，但是目前只有以下地域支持GPU显存隔离能力。如果您需要使用显存隔离能力，请确保集群所在地域在此范围内。
地域 地域ID 华北2（北京） cn-beijing 华东2（上海） cn-shanghai 华东1（杭州） cn-hangzhou 华北（张家口） cn-zhangjiakou 华南1（深圳） cn-shenzhen 西南1（成都） cn-chengdu 华南2（河源） cn-heyuan 中国（香港） cn-hongkong 日本（东京） ap-northeast-1 印度尼西亚（雅加达） ap-southeast-5 新加坡 ap-southeast-1 美国（弗吉尼亚） us-east-1 美国（硅谷） us-west-1
使用须知
| 配置 | 支持版本 |
|---|---|
| Kubernetes | 1.18.8及其以上 |
| Helm版本 | 3.0及以上版本 |
| Nvidia驱动版本 | 418.87.01及以上版本 |
| Docker版本 | 19.03.5 |
| 操作系统 | CentOS 7.6、CentOS 7.7、Ubuntu 16.04和Ubuntu 18.04，Alibaba Cloud Linux 2.x |
| 支持显卡 | Tesla P4、Tesla P100、 Tesla T4和Tesla v100 |
步骤一：安装共享GPU组件
- 在一键部署云原生AI套件页面，选中调度组件（批量任务调度、GPU共享、GPU拓扑感知、NPU调度），单击页面下方的部署云原生AI套件。
说明 如果您已经部署了云原生AI套件，则在云原生AI套件页面的组件列表，单击ack-ai-installer右侧操作列下的部署。组件安装成功后，在云原生AI套件页面的组件列表中能看到已安装的共享GPU组件ack-ai-installer。
步骤二：开启GPU共享调度能力和显存隔离能力
- 在创建节点池页面，设置创建节点池的配置项。关于配置项的详细说明，请参见创建ACK Pro版集群。部分配置项说明如下：
- 数量：设置节点池初始节点数量。如不需要创建节点，可以填写为0。
- 操作系统：选择节点的操作系统，包括CentOS、Alibaba Cloud Linux 2.x、Windows。
- ECS标签：您可以为ECS实例添加标签。
- 自定义资源组：您可以指定节点池所扩容节点的资源组信息。
- 节点标签：为集群节点添加标签。关于节点标签的详细说明，请参见ACK调度GPU使用的节点标签说明。
- 开启GPU共享调度能力，同时开启GPU显存隔离能力。
单击节点标签的
，设置键为ack.node.gpu.schedule，值为cgpu。
说明 如果只需要节点池支持共享调度，不支持显存隔离，您可以设置节点标签的键为ack.node.gpu.schedule，值为share。 - 在节点上使用Binpack算法为Pod选择GPU卡。
单击节点标签的
，设置键为ack.node.gpu.placement，设置值为binpack。
- 开启GPU共享调度能力，同时开启GPU显存隔离能力。