Utiliser des GPU pour les charges de travail nécessitant beaucoup de calcul
S’applique à : AKS sur Azure Stack HCI 22H2, AKS sur Windows Server
Les unités de traitement graphique (GPU) sont utilisées pour les charges de travail gourmandes en 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 calcul dans AKS activé par Azure Arc.
Avant de commencer
Si vous mettez à jour AKS à partir d’une version préliminaire antérieure à octobre 2022 qui exécute des pools de nœuds avec GPU, veillez à supprimer tous les clusters de charge de travail exécutant des GPU avant de commencer. Suivez les étapes de cette section.
Étape 1 : 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. Après le redémarrage de l’ordinateur, 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 | findstr /i /c:"3d video"
Vous devez voir les périphériques GPU apparaître dans un état d’erreur, comme indiqué 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 2 : 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 périphériques GPU de l’hôte.
Pour chaque appareil GPU (contrôleur vidéo 3D), exécutez les commandes suivantes dans PowerShell. Copiez l’ID 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 de l’hôte, exécutez la commande suivante. Vous devez placer les GPU dans un Unknown état :
Get-PnpDevice | select status, class, friendlyname, instanceid | findstr /i /c:"3d video"
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 3 : 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 de l’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.
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 contenant les fichiers extraits, cliquez avec le bouton droit sur le fichier nvidia_azure_stack_T4_base.inf , puis sélectionnez Installer. Vérifiez que vous disposez du bon pilote ; AKS prend actuellement uniquement en charge le GPU NVIDIA Tesla T4.
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_T4_base.inf /install
pnputil /scan-devices
Après avoir installé le pilote d’atténuation, les GPU sont répertoriés dans l’état OK sous Nvidia T4_base - Désactivé :
Get-PnpDevice | select status, class, friendlyname, instanceid | findstr /i /c:"nvidia"
OK Nvidia T4_base - Dismounted PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&32EEF88F&0&0000
OK Nvidia T4_base - Dismounted PCI\VEN_10DE&DEV_1EB8&SUBSYS_12A210DE&REV_A1\4&3569C1D3&0&0000
Étape 4 : Répéter les étapes 1 à 3
Répétez les étapes 1 à 3 pour chaque nœud de votre cluster de basculement.
Important
Les machines virtuelles avec GPU ne sont pas ajoutées aux clustering de basculement dans Windows Server 2019, Windows Server 2022 ou Azure Stack HCI.
Installer ou mettre à jour AKS
Consultez le guide de démarrage rapide AKS à l’aide de PowerShell ou de Windows Admin Center pour installer ou mettre à jour AKS activé par Arc.
Create un nouveau 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.
New-AksHciCluster -Name "gpucluster" -nodePoolName "gpunodepool" -nodeCount 2 -osType linux -nodeVmSize Standard_NK6
Après avoir installé le cluster de charge de travail, exécutez la commande suivante pour obtenir votre Kubeconfig :
Get-AksHciCredential -Name gpucluster
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
À présent, utilisez la commande kubectl describe node pour confirmer que les GPU peuvent être planifiés. 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 du nœud worker et ressembler à ceci :
nvidia.com/gpu.compute.major=7
nvidia.com/gpu.compute.minor=5
nvidia.com/gpu.count=1
nvidia.com/gpu.family=turing
nvidia.com/gpu.machine=Virtual-Machine
nvidia.com/gpu.memory=16384
nvidia.com/gpu.product=Tesla-T4
Annotations: cluster.x-k8s.io/cluster-name: gpucluster
cluster.x-k8s.io/machine: gpunodepool-md-58d9b96dd9-vsdbl
cluster.x-k8s.io/owner-name: gpunodepool-md-58d9b96dd9
nvidia.com/gpu: 1
nvidia.com/gpu: 1
ProviderID: moc://gpunodepool-97d9f5667-49lt4
kube-system gpu-feature-discovery-gd62h 0 (0%) 0 (0%) 0 (0%) 0 (0%) 7m1s
nvidia.com/gpu 0 0
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 fichier 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 son 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 de pilotes, par exemple « 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.
Forum aux questions
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 dans une nouvelle machine virtuelle soient créés avec succès sur l’ordinateur hôte physique, il faut qu’un ou plusieurs GPU physiques soient disponibles pour que l’affectation d’appareil réussisse. Cette disponibilité garantit que vos applications peuvent continuer à s’exécuter lorsque Kubernetes planifie des pods sur ce nœud mis à niveau.
Avant la mise à niveau :
- Planifiez les temps d’arrêt pendant la mise à niveau.
- Disposez 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 ne disposez pas d’un GPU supplémentaire, nous vous recommandons de réduire votre pool de nœuds à un seul nœud 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 ne disposez pas d’un GPU supplémentaire, nous vous recommandons de réduire votre pool de nœuds à un seul nœud avant la mise à niveau, puis de monter en puissance une fois la mise à niveau réussie.