如何安装共享GPU调度组件_容器服务 Kubernetes 版 ACK-阿里云帮助中心

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，同时也支持通过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

共享GPU调度目前已实行收费。在使用共享GPU调度前，需开通云原生AI套件。具体收费信息，请参见云原生AI套件计费说明。关于云原生AI套件的更多信息，请参见云原生AI套件概述。
已创建ACK集群Pro版。ACK Pro集群的实例规格架构设置为GPU云服务器。其他配置，请参见创建ACK集群Pro版。
已获取集群KubeConfig并通过kubectl工具连接集群。

使用限制

请勿将共享GPU调度的节点的CPU Policy设置为static。
目前GPU隔离模块cGPU 1.5.0以下版本不兼容5XX系列的GPU驱动（以5开头的驱动，例如：510.47.03）。
cGPU服务的隔离功能不支持以UVM的方式申请显存，即调用CUDA API cudaMallocManaged()，请使用其他方式申请显存，例如调用cudaMalloc()等。更多信息，请参见NVIDIA。

共享GPU组件的安装没有地域限制，但GPU显存隔离能力仅在以下地域中支持，请确保对应集群属于以下地域。

展开查看地域信息

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3（张家口）	cn-zhangjiakou
华北6（乌兰察布）	cn-wulanchabu
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

版本配套信息。

配置	支持版本
Kubernetes版本	1.18.8及以上
Nvidia驱动版本	418.87.01≤版本＜520.x.x
容器运行时版本	Docker：19.03.5及以上 Containerd：1.4.3及以上
操作系统	CentOS 7.6、CentOS 7.7、CentOS 7.9、Ubuntu 16.04、Ubuntu 18.04、Alibaba Cloud Linux 2.x、Alibaba Cloud Linux 3.x
支持显卡	Tesla P4、Tesla P100、 Tesla T4、Tesla A10和Tesla v100

步骤一：安装共享GPU组件

未部署云原生AI套件

登录容器服务管理控制台，在左侧导航栏选择集群。
在集群列表页面，单击目标集群名称，然后在左侧导航栏，选择应用 > 云原生AI套件。
在云原生AI套件页面，单击一键部署。
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）。
（可选）单击调度组件（批量任务调度、GPU共享、GPU拓扑感知、NPU调度）右侧的高级配置。在弹出的参数配置窗口，修改cGPU的policy字段。修改完成后，单击确定。
如果对cGPU算力共享无特殊要求，建议使用默认policy: 5。cGPU支持的policy，请参见通过Docker安装并使用cGPU服务。
在云原生AI套件页面最下方，单击部署云原生AI套件。
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。

已部署云原生AI套件

登录容器服务管理控制台，在左侧导航栏选择集群。
在集群列表页面，单击目标集群名称，然后在左侧导航栏，选择应用 > 云原生AI套件。
在组件ack-ai-installer所在行，单击操作列的部署。
（可选）在弹出的参数配置窗口，修改cGPU的policy字段。
如果对cGPU算力共享无特殊要求，建议使用默认policy: 5。cGPU支持的policy，请参见通过Docker安装并使用cGPU服务。
修改完成后，单击确定。
组件安装完成后，ack-ai-installer的状态为已部署。

步骤二：开启GPU共享调度能力和显存隔离能力

在集群列表页面，单击目标集群名称，然后在左侧导航栏，选择节点管理 > 节点池。
在节点池页面，单击创建节点池。

在创建节点池页面，设置创建节点池的配置项，然后单击确认配置。

以下为重要配置项的说明，其余配置项的配置方法，请参见创建节点池。

配置项

说明

期望节点数

设置节点池初始节点数量。如无需创建节点，可以填写为0。

节点标签

标签的值需根据您的业务需求添加。关于节点标签的详细说明，请参见GPU节点调度属性标签说明及标签值的切换方法。

下文以标签值cgpu为例，该值表示节点开启共享GPU调度能力，每个Pod仅需申请GPU显存资源，多个Pod在一张卡上实行显存隔离和算力共享。

单击节点标签的，设置键为ack.node.gpu.schedule，值为cgpu。

步骤三：添加GPU节点

说明

如果您添加节点池时已经创建GPU节点，可以跳过此步骤。

完成创建节点池后，您还可以在节点池中添加GPU节点。添加GPU节点时，您需要将实例规格架构设置为GPU云服务器。具体操作，请参见添加已有节点或创建节点池。

步骤四：安装和使用GPU资源查询工具

下载kubectl-inspect-cgpu。

如果您使用的是Linux系统，您可以通过以下命令下载kubectl-inspect-cgpu。

wget http://aliacs-k8s-cn-beijing.oss-cn-beijing.aliyuncs.com/gpushare/kubectl-inspect-cgpu-linux -O /usr/local/bin/kubectl-inspect-cgpu

如果您使用的是macOS系统，您可以通过以下命令下载kubectl-inspect-cgpu。

wget http://aliacs-k8s-cn-beijing.oss-cn-beijing.aliyuncs.com/gpushare/kubectl-inspect-cgpu-darwin -O /usr/local/bin/kubectl-inspect-cgpu

执行以下命令，为kubectl-inspect-cgpu添加执行权限。
```
chmod +x /usr/local/bin/kubectl-inspect-cgpu
```

执行以下命令，查看集群GPU使用情况。

kubectl inspect cgpu

预期输出：

NAME                       IPADDRESS      GPU0(Allocated/Total)  GPU Memory(GiB)
cn-shanghai.192.168.6.104  192.168.6.104  0/15                   0/15
----------------------------------------------------------------------
Allocated/Total GPU Memory In Cluster:
0/15 (0%)