更新时间:2025-02-18 GMT+08:00

准备GPU虚拟化资源

CCE GPU虚拟化采用xGPU虚拟化技术,能够动态对GPU设备显存与算力进行划分,单个GPU卡最多虚拟化成20个GPU虚拟设备。本文介绍如何在GPU节点上实现GPU的调度和隔离能力。

前提条件

配置

支持版本

集群版本

v1.23.8-r0、v1.25.3-r0及以上

操作系统

Huawei Cloud EulerOS 2.0操作系统

GPU类型

支持T4、V100类型的GPU

驱动版本

GPU虚拟化功能仅支持470.57.02、510.47.03、535.54.03版本的GPU驱动。

运行时

仅支持containerd

插件

集群中需要同时安装以下插件:

步骤一:开启GPU虚拟化

集群中需要同时安装CCE AI套件(NVIDIA GPU)插件和Volcano调度器插件。

步骤二:创建GPU节点

您需要在集群中创建支持GPU虚拟化的节点以使用GPU虚拟化功能,具体操作步骤请参见创建节点创建节点池

如果您的集群中已有符合前提条件的GPU节点,您可以跳过此步骤。

步骤三(可选):修改Volcano调度策略

Volcano针对GPU节点的调度策略默认为Spread,即如果节点配置相同,会选择一个正在运行的容器数量最少的节点,可以尽量将容器平均分配到各个节点。而Binpack调度策略与之相反,它会尽可能地把所有的容器调度到一台节点上运行,尽量少用节点,避免资源碎片化。

如果在使用GPU虚拟化特性时需要使用Binpack调度策略,可以在Volcano插件的高级配置中进行修改,具体操作步骤如下。

  1. 登录CCE控制台,单击集群名称进入集群,在左侧选择“配置中心”。
  2. 在“调度配置”页面,选择Volcano调度器找到对应的“专家模式”,单击“开始使用”。

  3. 修改Volcano调度配置。

    1. nodeorder插件中,添加arguments参数,配置leastrequested.weight为0,即资源分配最少的节点优先级设置为0。
    2. 新增binpack插件,并指定xGPU自定义资源(volcano.sh/gpu-core.percentagevolcano.sh/gpu-mem.128Mi)的权重。
    示例如下:
    ...
    default_scheduler_conf:
      actions: allocate, backfill, preempt
      tiers:
        - plugins:
            - name: priority
            - enablePreemptable: false
              name: gang
            - name: conformance
        - plugins:
            - enablePreemptable: false
              name: drf
            - name: predicates
            - name: nodeorder
              arguments:
                leastrequested.weight: 0 # 将资源分配最少的节点优先级设置为0
        - plugins:
            - name: cce-gpu-topology-predicate
            - name: cce-gpu-topology-priority
            - name: xgpu
            - name: binpack # 添加binpack插件,并指定xGPU资源的权重
              arguments:
                binpack.resources: volcano.sh/gpu-core.percentage,volcano.sh/gpu-mem.128Mi
                binpack.resources.volcano.sh/gpu-mem.128Mi: 10
                binpack.resources.volcano.sh/gpu-core.percentage: 10
        - plugins:
            - name: nodelocalvolume
            - name: nodeemptydirvolume
            - name: nodeCSIscheduling
            - name: networkresource
    ...

  4. 单击“保存”。