使用 GPU

向您的长期运行 DC/OS 服务添加图形处理单元

DC/OS 支持将 GPU（图形处理单元）分配给您的长期运行 DC/OS 服务。在服务中添加 GPU 可以显著加快大数据工作负载。借助基于 GPU 的计划，您可以共享传统和机器学习工作负载的群集资源，还可以在这些群集内动态分配 GPU 资源并在需要时释放它们。您可以为有需要的工作负载预留 GPU 资源，或将这些启用了 GPU 的资源与基础架构的其余部分进行混合，以提高总体利用率。在安装了启用 GPU 的 DC/OS 之后，您可以通过 gpus 参数在应用定义中指定 GPU。

安装启用了 GPU 的 DC/OS

必须在 DC/OS 安装期间启用 GPU。按照以下说明，根据您的特定 DC/OS 部署方法启用 GPU。

带有 GPU 的本地 DC/OS 安装

  1. 在每个具有 GPU 的群集节点上安装 NVIDIA 管理库 (NVML) 所需的 NVIDIA 驱动程序最低版本为 340.29。有关详细的安装说明，请参阅 Mesos GPU 支持文档。

  2. 使用 [自定义高级安装说明]安装 DC/OS。(/mesosphere/dcos/cn/2.1/installing/production/advanced-configuration/). 以下是 GPU 特定的配置参数：

    • enable_gpu_isolation：指示是否在 DC/OS 中启用 GPU 支持。默认设置为 enable_gpu_isolation: 'true'.
    • gpus_are_scarce：指示是否将 GPU 作为群集中的稀缺资源。默认设置为 gpus_are_scarce: 'true'，这意味着 DC/OS 仅为配置为占用 GPU 资源的服务保留 GPU 节点。值得注意的是，此设置将影响在 DC/OS 的哪些代理节点部署 GPU 感知框架。此设置不影响框架在运行时可能启动的具体任务。框架可以在有 GPU 的代理节点上安排非 GPU 任务。
    • marathon_gpu_scheduling_behavior：表示 Marathon 是否会在带有可用 GPU 的节点上安排非 GPU 任务。默认为 restricted.
    • metronome_gpu_scheduling_behavior：表示 Metronome 是否会在带有可用 GPU 的节点上安排非 GPU 任务。默认为 restricted.

    有关更多信息，请参阅 配置参数文档 和 Mesos Nvidia GPU 支持文档。

使用 DC/OS Universal 安装工具通过 GPU 进行云 DC/OS 安装

先决条件

  • 查看 DC/OS Universal 安装工具的 先决条件
  • 查看云提供程序的先决条件，例如 AWS、Azure或 GCP.

自定义您的 main.tf

在用于部署 DC/OS 的 main.tf 文件中，请确保至少有一个代理节点部署有一个或多个 GPU。同时确保该代理节点符合所有其他 代理节点要求.

例如，在 AWS 上，您可以将 private_agents_instance_type 设置为在分域中可用的、启用了 GPU 的任何实例类型：

  1. private_agents_instance_type = "p2.xlarge"

然后照常进行安装。DC/OS Universal 安装工具将检测 NVIDIA GPU 是否存在于代理节点上，并自动安装所需的软件。

在您的应用程序中使用 GPU

可以通过 gpus 参数在应用定义中指定 GPU。

  • 只能在应用程序定义中指定整数 GPU。如果选中分数数量，启动任务后就会造成 TASK_ERROR.
  • NVIDIA GPU 支持仅适用于使用 [DC/OS 通用容器运行时] 启动的任务(/mesosphere/dcos/cn/2.1/deploying-services/containerizers/)。不支持 Docker。

示例

简单 GPU 应用定义

在本示例中，定义了使用 GPU 的简单睡眠应用程序。

  1. 创建名为 的应用定义。simple-gpu-test.json.

    1. {
    2.      "id": "simple-gpu-test",
    3.      "acceptedResourceRoles":["slave_public", "*"],
    4.      "cmd": "while [ true ] ; do nvidia-smi; sleep 5; done",
    5.      "cpus": 1,
    6.      "mem": 128,
    7.      "disk": 0,
    8.      "gpus": 1,
    9.      "instances": 1
    10. }

  2. 使用 DC/OS CLI 启动应用程序：

    1. dcos marathon app add simple-gpu-test.json

  3. 服务部署完成后，检查 stdout 内容，验证该服务是否采用 nvidia-smi 命令产生正确的输出。您会看到如下内容，并且每隔 5 秒重复一次。通过 DC/OS CLI 或在 DC/OS 仪表板上的服务 健康 页面访问日志。

    1. +------------------------------------------------------+
    2. | NVIDIA-SMI 352.79     Driver Version: 352.79         |
    3. |-------------------------------+----------------------+----------------------+
    4. | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
    5. | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
    6. |===============================+======================+======================|
    7. |   0  Tesla M60           Off  | 0000:04:00.0     Off |                    0 |
    8. | N/A   34C    P0    39W / 150W |     34MiB /  7679MiB |      0%      Default |
    9. +-------------------------------+----------------------+----------------------+

您还将在服务的 配置 选项卡上看到 DC/OS GUI 的 GPU 条目。

基于 Docker 的应用定义

在本示例中部署了一个具有 GPU 的应用程序，用于指定 Docker 容器和 DC/OS 通用容器运行时间 (UCR) （容器类型为 MESOS).

  1. 创建名为 的应用定义。docker-gpu-test.json.

    1. {
    2.     "id": "docker-gpu-test",
    3.     "acceptedResourceRoles":["slave_public", "*"],
    4.     "cmd": "while [ true ] ; do nvidia-smi; sleep 5; done",
    5.     "cpus": 1,
    6.     "mem": 128,
    7.     "disk": 0,
    8.     "gpus": 1,
    9.     "instances": 1,
    10.     "container": {
    11.       "type": "MESOS",
    12.       "docker": {
    13.         "image": "nvidia/cuda"
    14.       }
    15.     }
    16. }

  2. 使用 DC/OS CLI 启动应用程序：

    1. dcos marathon app add docker-gpu-test.json

  3. 服务部署完成后，检查 stdout 内容，验证该服务是否采用 nvidia-smi 命令产生正确的输出。您会看到如下内容，并且每隔 5 秒重复一次。通过 DC/OS CLI 或在 DC/OS 仪表板上的服务 健康 页面访问日志。

您还将在服务页面的 配置 选项卡上看到 GPU 条目。

详细了解 GPU