在阿里云上轻松部署Kubernetes GPU集群，遇见TensorFlow-阿里云开发者社区

在阿里云上轻松部署Kubernetes GPU集群，遇见TensorFlow

2017-09-12 8028

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

容器镜像服务 ACR，镜像仓库100个不限时长

容器服务 Serverless 版 ACK Serverless，952元额度多规格

容器服务 Serverless 版 ACK Serverless，317元额度多规格

简介： Kubernetes在版本1.6后正式加入了Nvidia GPU的调度功能，支持在Kubernetes上运行运行和管理基于GPU的应用。而在2017年9月12日，阿里云发布了新的异构计算类型GN5，基于P100 nvidia GPU, 提供灵活强悍的异构计算模型，从基础设施到部署环境全面升级，可有效提升矩阵运算、视频识别、机器学习、搜索排序等处理计算效率。

Kubernetes在版本1.6后正式加入了Nvidia GPU的调度功能，支持在Kubernetes上运行运行和管理基于GPU的应用。而在2017年9月12日，阿里云发布了新的异构计算类型GN5，基于P100 nvidia GPU, 提供灵活强悍的异构计算模型，从基础设施到部署环境全面升级，可有效提升矩阵运算、视频识别、机器学习、搜索排序等处理计算效率。当Kubernetes和GPU在阿里云上相遇，会有什么样美好的事情发生呢?

在阿里云的GN5上部署一套支持GPU的Kubernetes集群是非常简单的，利用ROS模板一键部署，将阿里云强大的计算能力便捷的输送到您的手中。不出10分钟，您就可以开始在阿里云的Kubernetes集群上开始您的Kubernetes+GPU+TensorFlow的深度学习之旅了。

前提准备

您需要开通容器服务、资源编排（ROS）服务和访问控制（RAM）服务。
登录容器服务管理控制台、ROS 管理控制台和 RAM 管理控制台开通相应的服务。
所创建的资源均为按量付费，根据阿里云的计费要求，请确保您的现金账户余额不少于 100 元。
目前，按量付费的异构计算gn5需要申请工单开通。 请登录阿里云账号后 ,按照如下内容提交 ECS 工单

我需要申请按量付费的GPU计算型gn5，请帮忙开通，谢谢。

当审批通过后，您就可以在 ECS控制台的 按量付费 的计费方式下查看GPU节点是否可用。

使用限制

目前仅支持华北2（北京），华东2（上海）和华南1（深圳）创建Kubernetes的GPU集群。

集群部署

在本文中，我们提供了部署单Master节点，并可以配置worker的节点数，同时可以按需扩容和缩容，创建和销毁集群也是非常简单的。

选择ROS创建入口

单击此处创建一个位于华北2的GPU Kubernetes集群
单击此处创建一个位于华东2的GPU Kubernetes集群
单击此处创建一个位于华南1的GPU Kubernetes集群

2. 填写参数并单击创建

栈名：所部署的 Kubernetes 集群属于一个 ROS 的栈，栈名称在同一个地域内不能重复。
创建超时：整个部署过程的超时时间，默认为 60 分钟，无需修改。
失败回滚：选择 失败回滚 时，如果部署过程中发生不可自动修复性错误，将删除所有已创建资源；反之，已创建资源将被保留，以便进行问题排查。
Master节点ECS实例规格：指定 Master 节点所运行的 ECS 实例的规格，默认为 ecs.n4.large。
Worker节点ECS实例规格：指定 Worker 节点所运行的包含GPU的 ECS 实例规格，默认为 ecs.gn5-c4g1.xlarge。具体配置可以查看ECS规格文档。
部署GPU节点的可用区：指定 GPU节点可以部署的可用区，请根据具体地域选择。
ECS系统镜像：目前指定 centos_7。
Worker节点数：指定 Worker 节点数，默认为 2，支持后期扩容。
ECS登录密码：所创建的 ECS 实例可通过此密码登录，请务必牢记密码。

3. 单击创建，启动部署

这样，部署请求已经成功提交。可以单击 进入事件列表 实时监控部署过程

4. 点击概览查看，部署完成后的输出结果

通过输出结果中返回的信息，可以对 Kubernetes 集群进行管理：

APIServer_Internet：Kubernetes 的 API server 对公网提供服务的地址和端口，可以通过此服务在用户终端使用 kubectl 等工具管理集群。
AdminGateway：可以直接通过 SSH 登录到 Master 节点，以便对集群进行日常维护。
APIServer_Intranet：Kubernetes 的 API server 对集群内部提供服务的地址和端口。

5. 通过通过 kubectl 连接 Kubernetes 集群，并且通过命令查看GPU节点

kubectl describe  node {node-name}
Name:            cn-beijing.i-{name}
Role:
...
Addresses:
  InternalIP:    192.168.2.74
Capacity:
 alpha.kubernetes.io/nvidia-gpu:    1
 cpu:                    4
 memory:                30717616Ki
 pods:                    110
Allocatable:
 alpha.kubernetes.io/nvidia-gpu:    1
 cpu:                    4
 memory:                30615216Ki
 pods:                    110
...

可以看到总共的和可分配的GPU数量都为1。

部署GPU应用

最后我们部署一个基于GPU的TensorFlow Jupyter应用来做一下简单的测试，以下为我们的Jupyter的部署配置文件jupyter.yml

---
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
  name: jupyter
spec:
  replicas: 1
  template:
    metadata:
      labels:
        k8s-app: jupyter
    spec:
      containers:
      - name: jupyter
        image: registry-vpc.cn-beijing.aliyuncs.com/tensorflow-samples/jupyter:1.1.0-devel-gpu
        imagePullPolicy: IfNotPresent
        env:
          - name: PASSWORD
            value: mypassw0rd
        resources:
          limits:
            alpha.kubernetes.io/nvidia-gpu: 1
        volumeMounts:
        - mountPath: /usr/local/nvidia
          name: nvidia
      volumes:
        - hostPath:
            path: /var/lib/nvidia-docker/volumes/nvidia_driver/375.39
          name: nvidia

---
apiVersion: v1
kind: Service
metadata:
  name: jupyter-svc
spec:
  ports:
  - port: 80
    targetPort: 8888
    name: jupyter
  selector:
    k8s-app: jupyter
  type: LoadBalancer

Deployment配置：

alpha.kubernetes.io/nvidia-gpu 指定调用nvidia gpu的数量

type=LoadBalancer 指定使用阿里云的负载均衡访问内部服务和负载均衡

为了能让GPU容器运行起来，需要将Nvidia驱动和CUDA库文件指定到容器中。这里需要使用hostPath，在阿里云上您只需要将hostPath指定到/var/lib/nvidia-docker/volumes/nvidia_driver/375.39即可，并不需要指定多个bin和lib目录。

环境变量 PASSWORD 指定了访问Jupyter服务的密码，您可以按照您的需要修改