Skip to content

Latest commit

 

History

History
193 lines (143 loc) · 6.04 KB

使用k8s集群调度GPU.md

File metadata and controls

193 lines (143 loc) · 6.04 KB
Raw

背景

最近接到任务，要使k8s集群支持调度GPU，我对硬件资源不是很懂，大概看了看官方，简单梳理了一下思路，便开始了踩坑之路(本片文章是无坑文档，请放心使用/参考)

前提条件：

对于实验学习而言，在k8s集群中，至少保证1台node节点是有显卡的(本文是NVIDIA)，其他品牌显卡请出门右转自行Google

集群环境说明：

本文是学习实验环境，所以只有 ai-gpu-flask2.novalocal 支持 GPU，其余的节点都是虚拟机。最终验证也是在 ai-gpu-flask2.novalocal 上进行。

系统 名称 角色 k8s版本
centos7.6 ai-gpu-flask2.novalocal worker kubeadm v1.16.8
centos7.6 master etcd,master kubeadm v1.16.8
centos7.6 node1 worker kubeadm v1.16.8
centos7.6 node2 worker kubeadm v1.16.8

预安装

要验证您的 GPU 是否具有 CUDA 功能，请转至与您的发行版等效的“系统属性”，或者在命令行中输入：

$ lspci | grep -i nvidia

00:06.0 3D controller: NVIDIA Corporation TU104GL [Tesla T4] (rev a1)

要确定您正在运行的发行版和发行版号，请在命令行中键入以下内容：

$ uname -m && cat /etc/*release

要验证系统上安装的gcc版本，请在命令行中键入以下内容：

$ gcc --version

可以通过运行以下命令找到系统正在运行的内核版本：

$ uname -r

当前运行的内核的内核头文件和开发包可以通过以下方式安装：

$ sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r)

选择您正在使用的平台并下载 NVIDIA CUDA Toolkit

下载链接：http://developer.nvidia.com/cuda-downloads

$ wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda-repo-rhel7-10-2-local-10.2.89-440.33.01-1.0-1.x86_64.rpm
$ sudo rpm -i cuda-repo-rhel7-10-2-local-10.2.89-440.33.01-1.0-1.x86_64.rpm
$ sudo yum clean all
$ sudo yum -y install nvidia-driver-latest-dkms cuda
$ sudo yum -y install cuda-drivers

要安装显示驱动程序，必须首先禁用 Nouveau 驱动程序： 在以下位置创建文件

$ vim /etc/modprobe.d/blacklist-nouveau.conf 

# 具有以下内容：
$ blacklist nouveau
$ options nouveau modeset=0

重新生成内核initramfs：

$ sudo dracut --force

验证

# 正常来说会输出已经安装过的程序
$ rpm -qa | grep nvidia

# 正常来说会输出已经安装过的程序
$ rpm -qa | grep cuda

满足先决条件

先决条件准备

$  distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
$ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo

$ sudo yum install -y nvidia-container-toolkit
$ sudo systemctl restart docker
$ vim /etc/docker/daemon.json
{
    "default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "path": "/usr/bin/nvidia-container-runtime",
            "runtimeArgs": []
        }
    }
}

验证

参考链接：https://github.com/NVIDIA/nvidia-docker#usage

$ docker run --gpus all nvidia/cuda:10.0-base nvidia-smi

# 报错如下：
docker: Error response from daemon: OCI runtime create failed: unable to retrieve OCI runtime error (open /run/containerd/io.containerd.runtime.v1.linux/moby/36cd5b1383a3ca5d2196d05e3655122ea4703af69bdfedfdfc6657f/log.json: no such file or directory): fork/exec /usr/bin/nvidia-container-runtime: no such file or directory: unknown.
ERRO[0000] error waiting for container: context canceled
  • 解决办法
$ yum search nvidia-container-runtime
$ yum -y install nvidia-container-runtime.x86_64 nvidia-container-runtime-hook.x86_64

再次验证

$ docker run --gpus all nvidia/cuda:10.0-base nvidia-smi

至此，docker环境下使用GPU已经完成，接下来部署k8s-device-plugin使k8s也支持GPU

参考链接：https://github.com/NVIDIA/k8s-device-plugin#enabling-gpu-support-in-kubernetes

$ kubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/1.0.0-beta5/nvidia-device-plugin.yml

验证

通过命令kubectl describe node ai-gpu-flask2.novalocal可以看到node节点有ncidia.com/gpu就正常了

运行一个pod

apiVersion: v1
kind: Pod
metadata:
  name: gpu-pod
spec:
  containers:
    - name: cuda-container
      image: nvidia/cuda:9.0-devel
      resources:
        limits:
          nvidia.com/gpu: 2 # requesting 2 GPUs
    - name: digits-container
      image: nvidia/digits:6.0
      resources:
        limits:
          nvidia.com/gpu: 2 # requesting 2 GPUs

结束语

经过两天踩坑到填坑的魔鬼历程，才有了这篇无坑文章，大家且用且珍惜。

GPU的学习成本较高，普通的虚拟机是不可能完成这个实验操作的，如果你看到了这篇文档，不妨先收藏一下，日后如果有需求，可以第一时间拿出来参考。