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。

配备 GPU 的自定义 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 。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 仅为配置为使用 GPU 资源的服务专门保留 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。

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

带有 GPU 的 AWS EC2 DC/OS 安装

先决条件

  • AWS DC/OS 高级模板 系统要求。
  • 复制到本地机器的 zen.sh 脚本。脚本和说明在 此处。

创建依赖关系

  1. 运行 zen.sh 脚本以创建 Zen 模板依赖关系。这些依赖关系将用作在 CloudFormation 中创建堆栈的输入信息。

    1. bash ./zen.sh <stack-name>

    重要信息：执行后续步骤前，必须运行“zen.sh”脚本。

  2. 请根据 此处 说明，使用以下 GPU 专用配置创建具有高级 AWS 模板的群集。

  3. 在 创建堆栈 > 指定详情 页面指定您的堆栈信息并单击 下一步。以下是 GPU 特定设置。

    • 自定义 AMI - 为您所在地区指定自定义 AMI：

    • us-west-2：ami-d54a2cad

    • us-east-1：ami-5f5d1449

    • ap-southeast-2：ami-0d50476e

    • MasterInstanceType - 接受默认管理实例类型（例如 m3.xlarge）。

    • PrivateAgentInstanceType - 指定 AWS GPU 机器类型 （例如 g2.2xlarge）。

    • PublicAgentInstanceType - 指定 AWS GPU 机器类型 （例如 g2.2xlarge）。

  4. 在 选项 页面，接受默认值，然后单击 下一步。您可以选择是否在故障时回滚。默认情况下，此选项设置为 是。

  5. 在 查看 页面勾选确认框，然后单击 创建。如果显示 创建新堆栈 页面，要么是 AWS 仍在处理您的请求，要么就是您查看的是其他分域。导航至正确的分域并刷新页面以查看您的堆栈。

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 通用容器运行时间 启动的任务。

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 simple-gpu-test.json 的应用定义。

    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

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 仪表板上的服务的 运行状况 页面访问日志。

  1. ```bash
  2. +------------------------------------------------------+
  3. | NVIDIA-SMI 352.79     Driver Version: 352.79         |
  4. |-------------------------------+----------------------+----------------------+
  5. | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
  6. | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
  7. |===============================+======================+======================|
  8. |   0  Tesla M60           Off  | 0000:04:00.0     Off |                    0 |
  9. | N/A   34C    P0    39W / 150W |     34MiB /  7679MiB |      0%      Default |
  10. +-------------------------------+----------------------+----------------------+
  11. ```

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 docker-gpu-test.json 的应用定义。

    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

    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 运行状况 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. +-------------------------------+----------------------+----------------------+

您还将在服务页面的 配置 选项卡上看到 GPU 条目。

详细了解 GPU