CCE GPU Manager 说明

组件介绍

一系列 GPU device plugin 的集合，结合配套的 scheduler 可以实现复杂场景下的 GPU 资源调度能力。CCE GPU Manager组件支持隔离最优型，可支持算力和显存的共享与隔离。

组件功能

• 拓扑分配：提供基于 GPU 拓扑分配功能，当用户分配超过1张 GPU 卡给 Pod 时，系统自动选择拓扑连接最快的方式分配 GPU 设备。
• GPU 共享：提供为节点上的 GPU 设备开启显存共享功能，支持将 GPU 卡按显存大小分配给多个 Pod。
• 显存和算力隔离：多 Pod 共享单张 GPU 卡时进行显存和算力级别的隔离。
• 精细化调度：开启精细化调度后，创建队列和任务时均支持选择具体的GPU型号。关闭精细化调度后创建队列和容器时仅支持输入配额，不支持选择具体的GPU型号。
• 编解码实例：提交编解码任务，使用GPU独立的编解码单元进行硬件编/解码。
• 组件详细使用说明请参照：GPU独占和共享说明

使用场景

在 CCE 集群中运行 GPU 应用时，可以解决 AI 训练等场景中独占整张卡造成资源浪费的情况，从而提高资源的使用率，降低成本。

限制说明

• 支持 v1.18 及以上版本的 Kubernetes 集群。
• 目前该组件依赖于 CCE AI Job Scheduler，若您需要请一同安装，否则可能导致组件功能不可用。
• GPU 共享虚拟化目前适配了以下主流的GPU CUDA和Driver版本，其中隔离最优型对操作系统内核版本等有额外的要求。如您有其他版本适配需求请提交工单。目前支持情况具体如下。

安装组件

1. 登录百度智能云官网，并进入管理控制台。
2. 选择“产品服务 > 云原生 > 容器引擎 CCE”，单击进入容器引擎管理控制台。
3. 单击左侧导航栏中的 集群管理 > 集群列表 。
4. 在集群列表页面中，单击目标集群名称进入集群管理页面。
5. 在集群管理页面单击 运维与管理 > 组件管理 。
6. 在组件管理列表中选择 CCE GPU Manager 组件单击"安装"。
7. 在确认安装弹出框中默认选择隔离最优型。
8. GPU显存共享单位默认选择GiB。
9. 精细化调度默认开启。
10. 点击“确认”按钮完成组件的安装。

版本记录