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 (/mesosphere/dcos/cn/2.0/installing/production/advanced-configuration/)。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 仅为配置为占用 GPU 资源的服务保留 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。

   bash ./zen.sh <stack-name>

   重要信息：在执行后续步骤前，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。 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）。
3. 在 选项 页面，接受默认值，然后单击 下一步。您可以选择是否退回查看故障。默认情况下，此选项设置为 是。
4. 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(/mesosphere/dcos/cn/2.0/deploying-services/containerizers/)。

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。

   {
        "id": "simple-gpu-test",
        "acceptedResourceRoles":["slave_public", "*"],
        "cmd": "while [ true ] ; do nvidia-smi; sleep 5; done",
        "cpus": 1,
        "mem": 128,
        "disk": 0,
        "gpus": 1,
        "instances": 1
   }

2. 使用 DC/OS CLI 启动应用程序：

   dcos marathon app add simple-gpu-test.json

3. 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 健康 页面访问日志。

   +------------------------------------------------------+
   | NVIDIA-SMI 352.79     Driver Version: 352.79         |
   |-------------------------------+----------------------+----------------------+
   | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
   | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
   |===============================+======================+======================|
   |   0  Tesla M60           Off  | 0000:04:00.0     Off |                    0 |
   | N/A   34C    P0    39W / 150W |     34MiB /  7679MiB |      0%      Default |
   +-------------------------------+----------------------+----------------------+

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。

   {
       "id": "docker-gpu-test",
       "acceptedResourceRoles":["slave_public", "*"],
       "cmd": "while [ true ] ; do nvidia-smi; sleep 5; done",
       "cpus": 1,
       "mem": 128,
       "disk": 0,
       "gpus": 1,
       "instances": 1,
       "container": {
         "type": "MESOS",
         "docker": {
           "image": "nvidia/cuda"
         }
       }
   }

2. 使用 DC/OS CLI 启动应用程序：

   dcos marathon app add docker-gpu-test.json

3. 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 健康 页面访问日志。

详细了解 GPU

• 什么是 GPU 计算？
• Mesos NVIDIA GPU 支持。
• 教程：使用 TensorFlow、Nvidia 和 Apache Mesos (DC/OS ) 进行深入学习。
• 演示文稿：在 Apache Mesos 上 Docker 容器中支持 GPU。
• 演示文稿：Apache Mesos 中的 GPU 支持。
• 演示文稿：添加 GPU 支持到 Mesos。