下面将介绍如何在阿里云容器服务上创建 Kubernetes GPU 集群。

前提条件

您需要申请一个按量付费的GPU计算型gn5。请 提交 ECS 工单申请开通。

背景信息

Kubernetes 深度学习解决方案支持使用云服务器 ECS 的 Kubernetes 集群或者 GPU 服务器 Kubernetes 集群。本文档以 GPU 服务器容器集群为例进行说明。

说明 有关如何创建 ECS 容器集群，参见创建Kubernetes 集群。

而 Kubernetes 全新的 GPU 调度方案基于 Nvidia 官方的设备插件和 nvidia-container-runtime，和之前社区方案相比，最终用户所要做的配置更少。

基于该方案，客户可以将应用程序利用容器技术构建镜像，结合 Kubernetes+GPU 运行机器学习，图像处理等高运算密度等任务，无需安装 nvidia driver
和 CUDA，就能实现一键部署和弹性扩缩容等功能。

使用限制

  • 目前，gn5 型 GPU 云服务器只支持专有网络（VPC）。
  • 用户账户需有 100 元的余额并通过实名认证，否则无法创建按量付费的 ECS 实例和负载均衡。
  • Kubernetes 深度学习解决方案要求 Kubernetes 集群的版本在 1.9.3 及以上。

操作步骤

  1. 登录容器服务管理控制台。
  2. 在 Kubernetes 菜单下，单击左侧导航栏的集群 > 集群，进入集群列表页面。
  3. 单击页面右上角的 创建 Kubernetes 集群。
    创建 GN5 型Kubernetes 集群插图1
  4. 配置集群基本信息。
    创建 GN5 型Kubernetes 集群插图3
  5. 为 worker 节点选择实例系列，本例中选择 GPU 计算型 gn5。
    创建 GN5 型Kubernetes 集群插图5
  6. 勾选开放公网 SSH 登录，这样就可以通过 SSH 登录 Kubernetes 的 Master 节点。
    创建 GN5 型Kubernetes 集群插图7

    说明 其他集群参数的详细配置信息，请参见 创建Kubernetes 集群。

  7. 完成配置后，单击 创建集群，等待一段时间，新建的 GPU 集群会出现在集群列表中。
    创建 GN5 型Kubernetes 集群插图9
  8. 单击集群右侧的 管理，进入集群基本信息页面，查看 Master节点 SSH 连接地址。
    创建 GN5 型Kubernetes 集群插图11
  9. SSH 登录到 Master节点，可通过执行如下命令，查找集群下的 GPU 节点。 
     $ kubectl get nodes -l 'aliyun.accelerator/nvidia_name' --show-labels
 ...                               
 NAME                                 STATUS    ROLES     AGE       VERSION   LABELS
 cn-hangzhou.i-bp12xvjjwqe6j7nca2q8   Ready     <none>    1h        v1.9.3    aliyun.accelerator/nvidia_count=1,aliyun.accelerator/nvidia_mem=16276MiB,aliyun.accelerator/nvidia_name=Tesla-P100-PCIE-16GB，..

  10. 查看 GPU 节点的详细状态信息。 
    $ kubectl get node ${node_name} -o=yaml
 ...
 status:
   addresses:
   - address: 172.16.166.23
     type: InternalIP
   allocatable:
     cpu: "8"
     memory: 61578152Ki
     nvidia.com/gpu: "1"
     pods: "110"
   capacity:
     cpu: "8"
     memory: 61680552Ki
     nvidia.com/gpu: "1"
     pods: "110"
 ...

至此，创建的 Kubernetes 的 GPU 集群已经创建完毕。