本文为您介绍阿里云共享GPU方案、共享GPU专业版的优势、共享GPU的基础版与专业版的功能对比及使用场景，帮助您了解和更好地使用共享GPU的能力。
视频介绍
背景介绍
阿里云容器服务 Kubernetes 版 ACK（Container Service for Kubernetes）开源了GPU共享调度之后，您能在阿里云、AWS、GCE和自己数据中心的容器集群上通过GPU共享调度框架实现多个容器运行在同一个GPU设备上的目标。ACK开源GPU共享调度降低了使用GPU的经济成本，但是如何能在节省经济成本同时也能让GPU上的容器运行更稳定呢？
隔离是一个关键的需求。如何限制运行在同一个GPU上的多个容器能够按照自己申请的资源使用量运行，避免因为其资源用量超标影响同一个GPU上的其他容器的正常工作，对此业界也做了很多探索。NVIDIA vGPU、MPS和vCUDA方案，都为更小颗粒度的使用GPU提供了可能。
基于以上的需求，阿里云容器服务团队提供共享GPU方案，既能够实现一个GPU供多个任务使用，同时也能够实现一个GPU上对各应用申请的显存实现隔离以及GPU的算力分割。
功能及优势
阿里云提供的共享GPU方案通过自主研发的宿主机内核驱动， 实现对NVIDIA GPU的底层nv驱动更有效的利用。共享GPU功能如下：
-
更加开放：适配开源标准的Kubernetes和NVIDIA Docker方案。
-
更加简单：优秀的用户体验。AI应用无需重编译，无需构建新的容器镜像进行CUDA库替换。
-
更加稳定：针对NVIDIA设备的底层操作更加稳定和收敛，而CUDA层的API变化多端，同时一些Cudnn非开放的API也不容易捕获。
-
完整隔离：同时支持GPU的显存和算力隔离。
阿里云提供的共享GPU方案是一套低成本、可靠、用户友好的规模化GPU调度和隔离方案，欢迎使用。
|
优势 |
说明 |
|
支持共享调度和显存隔离。 |
|
|
支持共享和隔离策略的灵活配置。 |
|
|
GPU资源全方位监控。 |
同时支持监控独占GPU和共享GPU。 |
计费介绍
共享GPU调度目前已实行收费。在使用共享GPU调度前，需开通云原生AI套件。具体收费信息，请参见云原生AI套件计费说明。
使用说明
目前共享GPU调度仅支持ACK集群Pro版。关于如何安装和使用共享GPU调度，请参考：
-
安装共享GPU调度组件
-
运行共享GPU调度示例
除此以外，还有一些进阶能力，您可以根据业务需求选择：
-
通过共享GPU调度实现多卡共享
-
通过共享GPU调度实现算力分配
-
配置共享GPU调度节点选卡策略
-
配置共享GPU调度仅共享不隔离策略
-
关闭对应用的GPU隔离能力
-
配置共享GPU调度cGPU算力调度策略
-
更改共享GPU调度显存最小分配单位
相关概念
共享GPU调度 vs 独占GPU调度
共享GPU调度指的是多个Pod共同使用一张GPU卡，如下图：
独占GPU调度指的是一个Pod完整占用一张卡或多张卡。如下图：
显存隔离
如果没有GPU隔离模块参与，那么共享GPU调度仅能够保证多个Pod运行在一张GPU卡上，并不能解决Pod之间相互影响的问题。以下是一个显存使用的例子。
假设Pod1需要申请5 GiB显存使用，Pod2需要申请10 GiB显存使用。在没有GPU隔离模块的参与下，Pod1实际使用达到10 GiB，这会导致Pod2无法正常运行，相当于Pod1非法使用了5 GiB显存。有了GPU隔离模块后，当Pod1试图使用的GPU显存大于申请的值时，隔离模块将让Pod1失败退出。
节点选卡策略Binpack和Spread
在共享GPU调度中，如果节点存在多张GPU卡，从节点中挑选GPU卡分配给Pod时，有两种策略可以考虑：
-
Binpack：默认策略，调度系统先分配完节点的一张GPU卡后，再分配节点上另一张GPU卡，避免节点出现GPU资源碎片。
-
Spread：调度系统会尽量将Pod分散到这个节点的各个GPU上，避免一张GPU卡坏掉后，影响的业务过多。
以下示例表示，某个节点有2张GPU卡，每张卡有15 GiB显存，Pod1申请2 GiB显存，Pod2申请3 GiB显存。
单卡共享 vs 多卡共享
-
单卡共享：一个Pod仅申请一张GPU卡，占用该GPU部分资源。
-
多卡共享：一个Pod申请多张GPU卡，每张GPU提供部分资源，且每张GPU提供的资源量相同。
内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家
阿里云企业补贴进行中： 马上申请
腾讯云限时活动1折起，即将结束： 马上收藏
同尘科技为腾讯云授权服务中心。
购买腾讯云产品享受折上折，更有现金返利:同意关联，立享优惠
转转请注明出处：https://www.yunxiaoer.com/158866.html