创建附加有 GPU 资源的部署

了解如何创建附加有 GPU 资源的容器。

• 有关 IBM® Cloud Private 中的 Nvidia GPU 支持的概述，请参阅 Nvidia GPU 支持。

• 确保在工作程序节点上安装 GPU 驱动程序。您可使用 kubectl describe nodes 命令来指示 nvidia.com/gpu 正在使用 GPU 资源。

IBM Cloud Private 为 nvidia-docker 项目中的映像提供了内置 GPU 支持。要指定 GPU 资源，您的部署必须指定 nvidia-docker 项目中的映像。

• 对于 Linux® on Power® (ppc64le) 节点，请使用 nvidia/cuda-ppc64le Docker Hub 存储库中的映像或根据内容派生的映像。
• 对于 Linux® 节点，请使用 nvidia/cuda Docker Hub 存储库中的映像或根据内容派生的映像。

可以通过两种方式从management console中创建部署。

要创建部署，您可以在“创建部署”窗口中输入参数值，或将 YAML 文件粘贴到“创建资源”窗口中。

所需用户类型或访问级别：集群管理员或团队管理员

在开始之前，请确保节点已做好部署准备。有关更多信息，请参阅配置 GPU 工作程序节点。

已知问题与限制

IBM® Z (s390x) 节点不支持 GPU。

如果在具有 Linux® (x86_64)、Linux® on Power® (ppc64le) 和 IBM® Z (s390x) 节点的混合环境中运行 IBM Cloud Private，那么 nvidia-device-plugin DaemonSet 仅在 Linux® (x86_64) 和 Linux® on Power® (ppc64le) 集群节点上运行。

使用“创建部署”窗口创建附加有 GPU 资源的部署

1. 从导航菜单中，单击工作负载 > 部署 > 创建部署。
2. 从容器设置选项卡中，指定要为该部署请求的 GPU 数量。请确保此值为正整数。
3. 输入该部署所需的所有其他参数选项。
4. 单击创建。

使用“创建资源”窗口创建部署

1. 创建 gpu-demo.yaml 文件。这个样本 gpu-demo.yaml 文件将创建一个容器部署，其中包含所附加的单个 GPU 资源。

   这个样本部署使用 nvidia/cuda:7.5-runtime 映像，后者是适用于 Linux® 系统的 nvidia-docker 映像。您可以从 nvidia/cuda Docker Hub 存储库获取此映像。对于 Power Systems，请使用 nvidia/cuda-ppc64le Docker Hub 存储库中提供的其中一个 nvidia/cuda-ppc64le 映像。

   apiVersion: apps/v1beta2
   kind: Deployment
   metadata:
    name: gpu-demo
   spec:
    replicas: 1
    selector:
      matchLabels:
        run: gpu-demo
    template:
      metadata:
        labels:
          run: gpu-demo
      spec:
        containers:
        - name: gpu-demo
          image: nvidia/cuda:7.5-runtime
          command:
          - "/bin/sh"
          - "-c"
          args:
          - nvidia-smi && tail -f /dev/null
          resources:
            limits:
              nvidia.com/gpu: 1
   

1. 从仪表板中，单击创建资源。
2. 复制 gpu-demo.yaml 文件，并将其粘贴到“创建资源”对话框。
3. 单击创建。

检查是否可以在容器内检测到该 GPU 资源

1. 安装 kubectl 命令行界面。请参阅从 Kubernetes CLI (kubectl) 访问集群。

2. 要查看运行中的容器列表，请运行此命令：

   kubectl get pods
   

   从返回的输出中，您可以找到 gpu-demo 部署。

3. 访问 gpu-demo 部署日志。例如，

   kubectl logs gpu-demo-3638364752-zkqel
   

   输出类似于以下代码：

   Tue Feb  7 08:38:11 2017
   +------------------------------------------------------+
   | NVIDIA-SMI 352.63     Driver Version: 352.63         |
   |-------------------------------+----------------------+----------------------+
   | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
   | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
   |===============================+======================+======================|
   |   0  GeForce GT 730      Off  | 0000:01:00.0     N/A |                  N/A |
   | 36%   41C    P8    N/A /  N/A |      4MiB /  1023MiB |     N/A      Default |
   +-------------------------------+----------------------+----------------------+
   
   +-----------------------------------------------------------------------------+
   | Processes:                                                       GPU Memory |
   |  GPU       PID  Type  Process name                               Usage      |
   |=============================================================================|
   |    0                  Not Supported                                         |
   +-----------------------------------------------------------------------------+
   

部署完成后，新部署将显示在“部署”页面中。DESIRED、CURRENT、READY 和 AVAILABLE 列全部显示相同的值，即您在部署过程中指定的 Pod 或副本数量。

单击部署名称即可查看有关部署的详细信息。查看部署属性，并确保它们准确无误。

要从因特网访问该部署，必须以服务形式将其公开。请参阅创建服务。