如何在Fleet实例中创建TensorFlow任务_容器服务 Kubernetes 版 ACK(ACK)-阿里云帮助中心

通过ACK One Fleet实例，您可以使用和单集群相同的方式创建TensorFlow任务。由Fleet实例根据TensorFlow任务需要的资源和关联集群的剩余资源，执行动态调度策略，选择适合的关联集群下发TensorFlow任务。本文介绍如何创建TensorFlow任务并查看任务状态。

前提条件

Fleet实例默认已安装Training Operator的TensorFlow CRD，支持的TensorFlow CRD APIVersion为kubeflow.org/v1。
Fleet实例管理员可以通过以下命令查看CRD。
```
kubectl get crd tfjobs.kubeflow.org
```
如有定制需求，Fleet实例管理员可以修改kubeflow.org_tfjobs.yaml，通过以下命令修改CRD。
```
kubectl apply -f manifests/base/crds/kubeflow.org_tfjobs.yaml
```
Fleet实例管理员已下载Training Operator，并在所有关联集群上完成安装。
已从ACK One控制台获取Fleet实例的KubeConfig，并通过kubectl连接至Fleet实例。
已安装AMC命令行工具。具体操作，请参见AMC命令行帮助。

操作步骤

开发者用户使用以下YAML文件，在Fleet实例上创建任务。

示例的命名空间为demo，示例的任务名称为pi。

apiVersion: "kubeflow.org/v1"
kind: "TFJob"
metadata:
  name: "dist-mnist-for-e2e-test"
  namespace: demo
spec:
  tfReplicaSpecs:
    PS:
      replicas: 2
      restartPolicy: Never
      template:
        spec:
          containers:
            - name: tensorflow
              image: acr-multiple-clusters-registry.cn-hangzhou.cr.aliyuncs.com/ack-multiple-clusters/tf-dist-mnist-test:v1.0
              resources:
                requests:
                  memory: "2Gi"
                  cpu: "2"
                limits:
                  memory: "2Gi"
                  cpu: "2"
    Worker:
      replicas: 2
      restartPolicy: Never
      template:
        spec:
          containers:
            - name: tensorflow
              image: acr-multiple-clusters-registry.cn-hangzhou.cr.aliyuncs.com/ack-multiple-clusters/tf-dist-mnist-test:v1.0
              resources:
                requests:
                  memory: "2Gi"
                  cpu: "2"
                limits:
                  memory: "2Gi"
                  cpu: "2"

执行以下命令，在Fleet实例上获取任务的调度结果。
如果调度失败，则显示为空。请检查是否正确配置命名空间与配额。如果命名空间配置配额或者配额用完，任务将暂停调度。
```
kubectl get tfjob dist-mnist-for-e2e-test -n demo -o jsonpath='{.metadata.annotations.scheduling\.x-k8s\.io/placement}'
```

查看TensorFlow任务的状态。

执行以下命令，在Fleet实例上获取任务的运行状态。

kubectl get tfjob dist-mnist-for-e2e-test -n demo

预期输出：

NAME                      STATE     AGE
dist-mnist-for-e2e-test   Running   ***

执行以下命令获取任务相关Pod的运行状态。

kubectl amc get pod -j tfjob/dist-mnist-for-e2e-test -n demo

预期输出：

Run on ManagedCluster managedcluster-c1***e5
NAME                               READY   STATUS      RESTARTS   AGE
dist-mnist-for-e2e-test-ps-0       1/1     Running     0          ***
dist-mnist-for-e2e-test-ps-1       1/1     Running     0          ***
dist-mnist-for-e2e-test-worker-0   1/1     Running     0          ***
dist-mnist-for-e2e-test-worker-1   1/1     Running     0          ***

执行以下命令获取Pod的运行日志。

kubectl amc logs dist-mnist-for-e2e-test-worker-0 -j tfjob/dist-mnist-for-e2e-test -n demo

预期输出：

Run on ManagedCluster managedcluster-c1***e5
...
Training ends @ ***
Training elapsed time: *** s
...