配置NAS共享存储

步骤一：创建NAS实例

步骤二：挂载文件系统

步骤三：配置ACK集群的存储卷（PV）和存储声明（PVC）

步骤四：给PVC填充数据

因为 Kubernetes 集群通过 PVC 访问各种共享数据（也就是本文在步骤一中创建的NAS实例），所以仅需要给 PVC 实例对应的 NAS 实例填充数据即可。本文已经在 default 命名空间中创建了名为 training-data 的 PVC 实例，下面将通过创建两个 Job 分别从示例容器镜像中复制 PyTorch/TensorFlow MNIST 数据集到 NAS 中的指定目录下。

1. 根据如下内容创建并保存为文件 prepare-pytorch-mnist-data.yaml。

   apiVersion: batch/v1
   kind: Job
   metadata:
     name: prepare-pytorch-mnist-data
     namespace: default
   spec:
     completions: 1
     parallelism: 1
     backoffLimit: 3
     ttlSecondsAfterFinished: 3600
     template:
       spec:
         containers:
         - name: pytorch-mnist-example
           image: kube-ai-registry.cn-shanghai.cr.aliyuncs.com/kube-ai/pytorch-mnist-example:2.5.1-cuda12.4-cudnn9-runtime
           imagePullPolicy: Always
           command:
           - /bin/bash
           - -c
           args:
           - |
             set -eux
             mkdir -p /mnt/pytorch_data/MNIST/raw
             cp -r /data/MNIST/raw/* /mnt/pytorch_data/MNIST/raw || { echo "Copy failed"; exit 1; }
             echo "MNIST data prepared successfully at /mnt/pytorch_data/MNIST/raw."
           resources:
             requests:
               cpu: 100m
               memory: 128Mi
             limits:
               cpu: 100m
               memory: 128Mi
           volumeMounts:
           - name: training-data
             mountPath: /mnt
         volumes:
         - name: training-data
           persistentVolumeClaim:
             claimName: training-data
         restartPolicy: Never

2. 创建 Job 从容器镜像中复制 PyTorch MNIST 数据集到 NAS 中的 /pytorch_data 目录下：

   # 创建 Job
   kubectl create -f prepare-pytorch-mnist-data.yaml
   
   # 等待 Job 执行完成
   kubectl wait --for=condition=complete --namespace=default --timeout=300s job/prepare-pytorch-mnist-data 

   输出如下则表示 Job 已经成功执行完成：

   job.batch/prepare-pytorch-mnist-data condition met

3. 根据如下内容创建并保存为文件 prepare-tensorflow-mnist-data.yaml。

   apiVersion: batch/v1
   kind: Job
   metadata:
     name: prepare-tensorflow-mnist-data
     namespace: default
   spec:
     completions: 1
     parallelism: 1
     backoffLimit: 3
     ttlSecondsAfterFinished: 3600
     template:
       spec:
         containers:
         - name: tensorflow-mnist-example
           image: kube-ai-registry.cn-shanghai.cr.aliyuncs.com/kube-ai/tensorflow-mnist-example:2.15.0-gpu
           imagePullPolicy: Always
           command:
           - /bin/bash
           - -c
           args:
           - |
             set -eux
             mkdir -p /mnt/tf_data
             cp -r /data/mnist.npz /mnt/tf_data/mnist.npz || { echo "Copy failed"; exit 1; }
             echo "MNIST data prepared successfully at /mnt/tf_data/mnist.npz."
           resources:
             requests:
               cpu: 100m
               memory: 128Mi
             limits:
               cpu: 100m
               memory: 128Mi
           volumeMounts:
           - name: training-data
             mountPath: /mnt
         volumes:
         - name: training-data
           persistentVolumeClaim:
             claimName: training-data
         restartPolicy: Never

4. 创建 Job 从容器镜像中复制 TensorFlow MNIST 数据集到 NAS 中的 /tf_data 目录下：

   # 创建 Job
   kubectl create -f prepare-tensorflow-mnist-data.yaml
   
   # 等待 Job 执行完成
   kubectl wait --for=condition=complete --namespace=default --timeout=300s job/prepare-tensorflow-mnist-data

   输出如下则表示 Job 已经成功执行完成：

   job.batch/prepare-tensorflow-mnist-data condition met