如何使用 Volcano vGPU

Volcano vgpu 设备插件用于 Kubernetes

备注

使用 volcano-vgpu 时，不需要 安装 HAMi，仅使用
Volcano vGPU device-plugin 即可。它可以为由 Volcano 管理的 NVIDIA 设备提供设备共享机制。

该插件基于 Nvidia Device Plugin，并使用 HAMi-core 实现对 GPU 卡的硬隔离支持。

Volcano vGPU 仅在 Volcano v1.9 及更高版本中可用。

快速开始

安装 Volcano

helm repo add volcano-sh https://volcano-sh.github.io/helm-charts
helm install volcano volcano-sh/volcano -n volcano-system --create-namespace

配置调度器

更新调度器配置：

kubectl edit cm -n volcano-system volcano-scheduler-configmap

kind: ConfigMap
apiVersion: v1
metadata:
  name: volcano-scheduler-configmap
  namespace: volcano-system
data:
  volcano-scheduler.conf: |
    actions: "enqueue, allocate, backfill"
    tiers:
    - plugins:
      - name: priority
      - name: gang
      - name: conformance
    - plugins:
      - name: drf
      - name: deviceshare
        arguments:
          deviceshare.VGPUEnable: true # 启用 vgpu
      - name: predicates
      - name: proportion
      - name: nodeorder
      - name: binpack

启用 Kubernetes 的 GPU 支持

在你想要使用的 所有 GPU 节点上启用此选项后，
可以通过部署以下 DaemonSet 来在集群中启用 GPU 支持：

kubectl create -f https://raw.githubusercontent.com/Project-HAMi/volcano-vgpu-device-plugin/main/volcano-vgpu-device-plugin.yml

验证环境是否就绪

检查节点状态，如果 volcano.sh/vgpu-number 出现在 allocatable 资源中，即表示正常。

kubectl get node {node name} -oyaml

输出示例：

status:
  addresses:
  - address: 172.17.0.3
    type: InternalIP
  - address: volcano-control-plane
    type: Hostname
  allocatable:
    cpu: "4"
    ephemeral-storage: 123722704Ki
    hugepages-1Gi: "0"
    hugepages-2Mi: "0"
    memory: 8174332Ki
    pods: "110"
    volcano.sh/gpu-number: "10"    # vGPU 资源
  capacity:
    cpu: "4"
    ephemeral-storage: 123722704Ki
    hugepages-1Gi: "0"
    hugepages-2Mi: "0"
    memory: 8174332Ki
    pods: "110"
    volcano.sh/gpu-memory: "89424"
    volcano.sh/gpu-number: "10"   # vGPU 资源

运行 vGPU 作业

可以通过在 resources.limits 中设置 volcano.sh/vgpu-number、volcano.sh/vgpu-cores 和 volcano.sh/vgpu-memory 来请求 vGPU：

cat <<EOF | kubectl apply -f -
apiVersion: v1
kind: Pod
metadata:
  name: gpu-pod1
spec:
  containers:
    - name: cuda-container
      image: nvidia/cuda:9.0-devel
      command: ["sleep"]
      args: ["100000"]
      resources:
        limits:
          volcano.sh/vgpu-number: 2        # 请求 2 张 GPU 卡
          volcano.sh/vgpu-memory: 3000     # （可选）每个 vGPU 使用 3G 显存
          volcano.sh/vgpu-cores: 50        # （可选）每个 vGPU 使用 50% 核
EOF

你可以在容器内使用 nvidia-smi 验证设备显存使用情况：

注意

如果你在使用 device-plugin 配合 NVIDIA 镜像时未显式请求 GPU，
那么该节点上所有 GPU 都会暴露在你的容器中。
容器中使用的 vGPU 数量不能超过该节点上的 GPU 总数。

监控

volcano-scheduler-metrics 会记录每次 GPU 使用和限制情况，
你可以通过访问以下地址来获取这些指标：

curl {volcano scheduler cluster ip}:8080/metrics