Utiliser des GPU pour les charges de travail nécessitant beaucoup de ressources de calcul (AKS sur Azure Local, version 23H2)
S’applique à : Azure Local, version 23H2
Remarque
Pour plus d’informations sur les GPU dans AKS sur Azure Local 22H2, consultez Utiliser des GPU (Azure Local 22H2).
Les unités de traitement graphique (GPU) sont utilisées pour les charges de travail nécessitant beaucoup de ressources de calcul, telles que le Machine Learning, le Deep Learning, etc. Cet article explique comment utiliser des GPU pour les charges de travail nécessitant beaucoup de ressources de calcul dans AKS activées par Azure Arc.
Modèles GPU pris en charge
Les modèles GPU suivants sont pris en charge par AKS sur Azure Local, version 23H2 :
| Fabricant | Modèle GPU | Version prise en charge |
|---|---|---|
| NVidia | A2 | 2311.2 |
| NVidia | A16 | 2402.0 |
| NVidia | T4 | 2408.0 |
Tailles des machines virtuelles prises en charge
Les tailles de machine virtuelle suivantes pour chaque modèle GPU sont prises en charge par AKS sur Azure Local version 23H2.
Nvidia T4 est pris en charge par les références SKU NK T4
| Taille de la machine virtuelle | GPU | Mémoire GPU : Gio | Processeurs virtuels | Mémoire : Gio |
|---|---|---|---|---|
| Standard_NK6 | 1 | 8 | 6 | 12 |
| Standard_NK12 | 2 | 16 | 12 | 24 |
Nvidia A2 est pris en charge par les références SKU NC2 A2
| Taille de la machine virtuelle | GPU | Mémoire GPU : Gio | Processeurs virtuels | Mémoire : Gio |
|---|---|---|---|---|
| Standard_NC4_A2 | 1 | 16 | 4 | 8 |
| Standard_NC8_A2 | 1 | 16 | 8 | 16 |
| Standard_NC16_A2 | 2 | 48 | 16 | 64 |
| Standard_NC32_A2 | 2 | 48 | 32 | 28 |
Nvidia A16 est pris en charge par les références SKU NC2 A16
| Taille de la machine virtuelle | GPU | Mémoire GPU : Gio | Processeurs virtuels | Mémoire : Gio |
|---|---|---|---|---|
| Standard_NC4_A16 | 1 | 16 | 4 | 8 |
| Standard_NC8_A16 | 1 | 16 | 8 | 16 |
| Standard_NC16_A16 | 2 | 48 | 16 | 64 |
| Standard_NC32_A16 | 2 | 48 | 32 | 28 |
Avant de commencer
Pour utiliser des GPU dans AKS Arc, veillez à installer les pilotes GPU nécessaires avant de commencer le déploiement du cluster. Suivez les étapes décrites dans cette section.
Étape 1 : installer le système d’exploitation
Installez le système d’exploitation Azure Local version 23H2 localement sur chaque serveur de votre cluster Local Azure.
Étape 2 : désinstaller le pilote hôte NVIDIA
Sur chaque ordinateur hôte, accédez à Panneau de configuration > Ajouter ou supprimer des programmes, désinstallez le pilote hôte NVIDIA, puis redémarrez l’ordinateur. Une fois l’ordinateur redémarré, vérifiez que le pilote a été correctement désinstallé. Ouvrez un terminal PowerShell avec élévation de privilèges et exécutez la commande suivante :
Get-PnpDevice | select status, class, friendlyname, instanceid | where {$_.friendlyname -eq "3D Video Controller"}
Vous devez voir que les appareils GPU apparaissent dans un état d’erreur, comme illustré dans cet exemple de sortie :
Error 3D Video Controller PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000
Error 3D Video Controller PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&3569C1D3&0&0000
Étape 3 : démonter le pilote hôte de l’hôte
Lorsque vous désinstallez le pilote hôte, le GPU physique passe à un état d’erreur. Vous devez démonter tous les appareils GPU de l’hôte.
Pour chaque appareil GPU (contrôleur vidéo 3D), exécutez les commandes suivantes dans PowerShell. Copiez l’ID d’instance ; par exemple, PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000 à partir de la sortie de commande précédente :
$id1 = "<Copy and paste GPU instance id into this string>"
$lp1 = (Get-PnpDeviceProperty -KeyName DEVPKEY_Device_LocationPaths -InstanceId $id1).Data[0]
Disable-PnpDevice -InstanceId $id1 -Confirm:$false
Dismount-VMHostAssignableDevice -LocationPath $lp1 -Force
Pour vérifier que les GPU ont été correctement démontés à partir de l’hôte, exécutez la commande suivante. Vous devez placer des GPU dans un Unknown état :
Get-PnpDevice | select status, class, friendlyname, instanceid | where {$_.friendlyname -eq "3D Video Controller"}
Unknown 3D Video Controller PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000
Unknown 3D Video Controller PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&3569C1D3&0&0000
Étape 4 : télécharger et installer le pilote d’atténuation NVIDIA
Le logiciel peut inclure des composants développés et détenus par NVIDIA Corporation ou ses licences. L’utilisation de ces composants est régie par le contrat de licence utilisateur final NVIDIA.
Consultez la documentation du centre de données NVIDIA pour télécharger le pilote d’atténuation NVIDIA. Après avoir téléchargé le pilote, développez l’archive et installez le pilote d’atténuation sur chaque ordinateur hôte. Vous pouvez suivre ce script PowerShell pour télécharger le pilote d’atténuation et l’extraire :
Invoke-WebRequest -Uri "https://docs.nvidia.com/datacenter/tesla/gpu-passthrough/nvidia_azure_stack_inf_v2022.10.13_public.zip" -OutFile "nvidia_azure_stack_inf_v2022.10.13_public.zip"
mkdir nvidia-mitigation-driver
Expand-Archive .\nvidia_azure_stack_inf_v2022.10.13_public.zip .\nvidia-mitigation-driver\
Pour installer le pilote d’atténuation, accédez au dossier qui contient les fichiers extraits, puis sélectionnez le fichier de pilote GPU en fonction du type GPU réel installé sur vos hôtes locaux Azure. Par exemple, si le type est A2 GPU, cliquez avec le bouton droit sur le fichier nvidia_azure_stack_A2_base.inf , puis sélectionnez Installer.
Vous pouvez également installer à l’aide de la ligne de commande en accédant au dossier et en exécutant les commandes suivantes pour installer le pilote d’atténuation :
pnputil /add-driver nvidia_azure_stack_A2_base.inf /install
pnputil /scan-devices
Après avoir installé le pilote d’atténuation, les GPU sont répertoriés dans l’état OK sous Nvidia A2_base - Démonté :
Get-PnpDevice | select status, class, friendlyname, instanceid | where {$_.friendlyname -match "Nvidia"}"
OK Nvidia A2_base - Dismounted PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000
OK Nvidia A2_base - Dismounted PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&3569C1D3&0&0000
Étape 5 : répéter les étapes 1 à 4
Répétez les étapes 1 à 4 pour chaque serveur de votre cluster Local Azure.
Étape 6 : continuer le déploiement du cluster local Azure
Poursuivez le déploiement du cluster local Azure en suivant les étapes du déploiement Azure Local version 23H2.
Obtenir la liste des références SKU de machine virtuelle compatibles GPU disponibles
Une fois le déploiement du cluster local Azure terminé, vous pouvez exécuter la commande CLI suivante pour afficher les références SKU de machine virtuelle disponibles sur votre déploiement. Si vos pilotes GPU sont installés correctement, les références SKU de machine virtuelle GPU correspondantes sont répertoriées :
az aksarc vmsize list --custom-location <custom location ID> -g <resource group name>
Créer un cluster de charge de travail avec un pool de nœuds avec GPU
Actuellement, vous ne pouvez utiliser de pools de nœuds compatibles GPU que sous Linux. Pour créer un cluster Kubernetes :
az aksarc create -n <aks cluster name> -g <resource group name> --custom-location <custom location ID> --vnet-ids <vnet ID>
L’exemple suivant ajoute un pool de nœuds avec 2 nœuds compatibles GPU (NVDIA A2) avec une référence SKU de machine virtuelle Standard_NC4_A2 :
az aksarc nodepool add --cluster-name <aks cluster name> -n <node pool name> -g <resource group name> --node-count 2 --node-vm-size Standard_NC4_A2 --os-type Linux
Vérifiez que vous pouvez planifier des GPU
Une fois votre pool de nœuds GPU créé, vérifiez que vous pouvez planifier des GPU dans Kubernetes. Tout d’abord, listez les nœuds de votre cluster avec la commande kubectl get nodes :
kubectl get nodes
NAME STATUS ROLES AGE VERSION
moc-l9qz36vtxzj Ready control-plane,master 6m14s v1.22.6
moc-lhbkqoncefu Ready <none> 3m19s v1.22.6
moc-li87udi8l9s Ready <none> 3m5s v1.22.6
Utilisez maintenant la commande kubectl décrire le nœud pour vérifier que les GPU peuvent être planifiées. Dans la section Capacité , le GPU doit apparaître comme nvidia.com/gpu : 1.
kubectl describe <node> | findstr "gpu"
La sortie doit afficher le ou les GPU à partir du nœud Worker et ressembler à ceci :
Capacity:
cpu: 4
ephemeral-storage: 103110508Ki
hugepages-1Gi: 0
hugepages-2Mi: 0
memory: 7865020Ki
nvidia.com/gpu: 1
pods: 110
Exécuter une charge de travail compatible GPU
Une fois que vous avez effectué les étapes précédentes, créez un fichier YAML à des fins de test ; par exemple, gpupod.yaml. Copiez et collez le code YAML suivant dans le nouveau fichier nommé gpupod.yaml, puis enregistrez-le :
apiVersion: v1
kind: Pod
metadata:
name: cuda-vector-add
spec:
restartPolicy: OnFailure
containers:
- name: cuda-vector-add
image: "k8s.gcr.io/cuda-vector-add:v0.1"
resources:
limits:
nvidia.com/gpu: 1
Exécutez la commande suivante pour déployer l’exemple d’application :
kubectl apply -f gpupod.yaml
Vérifiez que le pod a démarré, terminé en cours d’exécution et que le GPU est affecté :
kubectl describe pod cuda-vector-add | findstr 'gpu'
La commande précédente doit afficher un GPU affecté :
nvidia.com/gpu: 1
nvidia.com/gpu: 1
Vérifiez le fichier journal du pod pour voir si le test a réussi :
kubectl logs cuda-vector-add
Voici un exemple de sortie de la commande précédente :
[Vector addition of 50000 elements]
Copy input data from the host memory to the CUDA device
CUDA kernel launch with 196 blocks of 256 threads
Copy output data from the CUDA device to the host memory
Test PASSED
Done
Si vous recevez une erreur d’incompatibilité de version lors de l’appel à des pilotes, comme « La version du pilote CUDA est insuffisante pour la version du runtime CUDA », passez en revue le graphique de compatibilité de la matrice de pilotes NVIDIA.
Questions fréquentes (FAQ)
Que se passe-t-il lors de la mise à niveau d’un pool de nœuds avec GPU ?
La mise à niveau des pools de nœuds avec GPU suit le même modèle de mise à niveau propagée que celui utilisé pour les pools de nœuds standard. Pour que les pools de nœuds avec GPU d’une nouvelle machine virtuelle soient correctement créés sur la machine hôte physique, il nécessite qu’un ou plusieurs GPU physiques soient disponibles pour l’attribution réussie de l’appareil. Cette disponibilité garantit que vos applications peuvent continuer à s’exécuter lorsque Kubernetes planifie des pods sur ce nœud mis à niveau.
Avant de mettre à niveau :
- Planifiez les temps d’arrêt pendant la mise à niveau.
- Disposer d’un GPU supplémentaire par hôte physique si vous exécutez le Standard_NK6 ou 2 GPU supplémentaires si vous exécutez Standard_NK12. Si vous exécutez à pleine capacité et que vous n’avez pas de GPU supplémentaire, nous vous recommandons d’effectuer un scale-down de votre pool de nœuds vers un nœud unique avant la mise à niveau, puis de monter en puissance après la mise à niveau.
Que se passe-t-il si je n’ai pas de GPU physiques supplémentaires sur mon ordinateur physique pendant une mise à niveau ?
Si une mise à niveau est déclenchée sur un cluster sans ressources GPU supplémentaires pour faciliter la mise à niveau propagée, le processus de mise à niveau se bloque jusqu’à ce qu’un GPU soit disponible. Si vous exécutez à pleine capacité et que vous n’avez pas de GPU supplémentaire, nous vous recommandons d’effectuer un scale-down de votre pool de nœuds vers un nœud unique avant la mise à niveau, puis de monter en puissance une fois la mise à niveau réussie.