基于GPU监控指标的弹性伸缩实践

前提条件

• 目标集群已创建，且集群中包含GPU节点，并已运行GPU相关业务。
• 在集群中安装CCE AI套件（NVIDIA GPU），且插件的metrics API正常工作。您可以登录GPU节点，执行以下命令进行检查：

  curl {Pod IP}:2112/metrics

  其中{Pod IP}是GPU插件的Pod IP，返回指标结果则为正常。

• 在集群中安装云原生监控插件，且部署模式需选择“Server模式”。

采集GPU指标

1. 登录CCE控制台，单击集群名称进入集群，在左侧导航栏中选择“配置项与密钥”。
2. 切换至“monitoring”命名空间，在“配置项”页签找到user-adapter-config配置项，并单击“更新”。

3. 在“配置数据”中单击config.yaml对应的“编辑”按钮，在rules字段下添加自定义指标采集规则。修改完成后单击“确定”保存配置。

   如果您需要增加多个采集规则，可在rules字段下添加多个配置，关于采集规则配置详情请参见Metrics Discovery and Presentation Configuration。

   针对cce_gpu_memory_utilization指标的自定义采集规则示例如下，更多GPU指标请参见监控GPU指标。

   rules:
   - seriesQuery: '{__name__=~"cce_gpu_memory_utilization",container!="",namespace!="",pod!=""}'
     seriesFilters: []
     resources:
       overrides:
         namespace:
           resource: namespace
         pod:
           resource: pod
     metricsQuery: sum(last_over_time(<<.Series>>{<<.LabelMatchers>>}[1m])) by (<<.GroupBy>>)

4. 重新部署monitoring命名空间下的custom-metrics-apiserver工作负载。
5. 重启后，可以通过以下指令查看对应的Pod的指标是否正常（注意替换命名空间和业务Pod名）。

   # 查询指标
   $ kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1"
   
   {"kind":"APIResourceList","apiVersion":"v1","groupVersion":"custom.metrics.k8s.io/v1beta1","resources":[{"name":"pods/cce_gpu_memory_utilization","singularName":"","namespaced":true,"kind":"MetricValueList","verbs":["get"]},{"name":"namespaces/cce_gpu_memory_utilization","singularName":"","namespaced":false,"kind":"MetricValueList","verbs":["get"]}]}
   
   # 查询负载的对应指标值
   $ kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/test-gpu-hpa-68667fdd94-grmd2/cce_gpu_memory_utilization"
   
   {"kind":"MetricValueList","apiVersion":"custom.metrics.k8s.io/v1beta1","metadata":{},"items":[{"describedObject":{"kind":"Pod","namespace":"default","name":"test-gpu-hpa-68667fdd94-grmd2","apiVersion":"/v1"},"metricName":"cce_gpu_memory_utilization","timestamp":"2024-01-10T08:36:44Z","value":"20","selector":null}]}

创建弹性伸缩策略

1. 单击左侧导航栏的“工作负载”，在目标工作负载的操作列中单击“更多 > 弹性伸缩”。
2. 策略类型选择“HPA+CronHPA策略”，并启用HPA策略。

   您可在“自定义策略”中选择GPU监控参数创建弹性伸缩策略。

   示例中以cce_gpu_memory_utilization（GPU显存使用率）作为伸缩指标，其余HPA参数的设置请根据实际需求进行设置，详情请参见HPA策略。

3. 返回“策略”页面，查看HPA策略已创建成功。