粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
最新发现一个很不错的开源工具，可以帮助我们降低深度学习推理的成本。
Karpenter是一个用于Kubernetes集群的节点自动配置工具，它通过AKS Karpenter Provider在AKS集群上启用节点自动配置功能 。Karpenter的主要功能包括监控Kubernetes调度器标记为不可调度的Pods，评估Pods请求的调度约束（资源请求、节点选择器、亲和性、容忍性和拓扑扩散约束），根据这些约束配置满足要求的节点，并在这些节点不再需要时移除它们。此外，Karpenter还能够将现有节点整合到更便宜、利用率更高的节点上 。
使用场景方面，Karpenter适用于需要动态调整Kubernetes集群资源配置的场景，特别是在工作负载变化较大、需要频繁调整节点配置以适应不同工作负载需求的环境中。例如，对于需要根据实际使用情况自动扩展或缩减节点数量的应用，Karpenter可以自动化这一过程，提高资源配置的灵活性和效率 。
总的来说，Karpenter是一个强大的工具，能够帮助用户更高效、更经济地管理Kubernetes集群的资源配置。
在AKS的深度学习推理中，我们可以用SpotVM当成AKS的worker节点。
我们知道Azure SpotVM的成本相对正常的SKU低很多，但有被驱逐的风险。有了Karpenter后，我们有两种方案。
1.把多个SpotVM作为AKS的worker node，然后针对GPU推理的K8S SVC在多个worker node上创建多个副本，那么即使一个worker node被驱逐，业务也不受影响；如果能承受短时可能的短暂的业务中断，一个pod也可以，Karpenter发现worker节点被驱逐，能将pod在其他节点重启。多pod副本需要使用SVC和K8S的ingress。
2.创建多个Node pool，其中一个node pool使用spotvm，另外一个nodepool可以使用正常的GPU VM。然后针对不同的nodepool设置不同的weight。这样GPU pod的deployment就会先选择weight高的pool进行部署。
参照如下链接部署好一个支持Karpenter的AKS。
https://learn.microsoft.com/en-us/azure/aks/node-autoprovision?tabs=azure-cli
然后创建一个GPU pod的deployment，初始副本数设置为1：
xinyu [ ~ ]$ kubectl get deployment
NAME READY UP-TO-DATE AVAILABLE AGEsamples-gpu 0/1 1 0 2m24s
此时Azure开始创建spot gpu vm，如下所示：
xinyu [ ~ ]$ kubectl get nodeclaims.karpenter.sh
NAME TYPE ZONE NODE READY AGEgpu-spot-57p8w Standard_NC24ads_A100_v4 southeastasia-2 False 2m18s
xinyu [ ~ ]$ kubectl describe deployment samples-gpu
Name: samples-gpuNamespace: defaultCreationTimestamp: Sun, 24 Mar 2024 02:06:56 +0000Labels: app=samples-tf-mnist-demoAnnotations: deployment.kubernetes.io/revision: 1Selector: app=samples-tf-mnist-demoReplicas: 1 desired | 1 updated | 1 total | 0 available | 1 unavailableStrategyType: RollingUpdateMinReadySeconds: 0RollingUpdateStrategy: 25% max unavailable, 25% max surgePod Template:Labels: app=samples-tf-mnist-demoContainers:samples-tf-mnist-demo:Image: mcr.microsoft.com/azuredocs/samples-tf-mnist-demo:gpuPort: <none>Host Port: <none>Args:--max_steps50000Limits:nvidia.com/gpu: 1Environment: <none>Mounts: <none>Volumes: <none>Conditions:Type Status Reason---- ------ ------Available False MinimumReplicasUnavailableProgressing True ReplicaSetUpdatedOldReplicaSets: <none>NewReplicaSet: samples-gpu-95b9c58b6 (1/1 replicas created)Events:Type Reason Age From Message---- ------ ---- ---- -------Normal ScalingReplicaSet 2m42s deployment-controller Scaled up replica set samples-gpu-95b9c58b6 to 1
大约2-3分钟，查看AKS节点，已经多个一个GPU VM。
xinyu [ ~ ]$ kubectl get nodes
NAME STATUS ROLES AGE VERSIONaks-gpu-spot-57p8w Ready agent 33s v1.27.9aks-nodepool1-34768744-vmss000000 Ready agent 54m v1.27.9aks-nodepool1-34768744-vmss000001 Ready agent 54m v1.27.9aks-nodepool1-34768744-vmss000002 Ready agent 54m v1.27.9
xinyu [ ~ ]$ kubectl get pods
NAME READY STATUS RESTARTS AGEsamples-gpu-95b9c58b6-nbg8g 1/1 Running 0 4m10s
登录pod，查看其中的GPU资源：
xinyu [ ~ ]$ kubectl exec -ti samples-gpu-95b9c58b6-nbg8g -- /bin/sh
可以看到是一个A100
xinyu [ ~ ]$ kubectl get deployment
NAME READY UP-TO-DATE AVAILABLE AGEsamples-gpu 1/1 1 1 4m56s
将GPU Pod的副本数增加为2：
xinyu [ ~ ]$ kubectl scale deployment samples-gpu --replicas=2
deployment.apps/samples-gpu scaled
xinyu [ ~ ]$ kubectl get deployment
NAME READY UP-TO-DATE AVAILABLE AGEsamples-gpu 1/2 2 1 7m28s
过了1-2分钟，增加完毕：
xinyu [ ~ ]$ kubectl get deployment
NAME READY UP-TO-DATE AVAILABLE AGEsamples-gpu 2/2 2 2 11m
再次查看AKS节点，又多了一个GPU VM。
xinyu [ ~ ]$ kubectl get nodes
NAME STATUS ROLES AGE VERSIONaks-gpu-spot-57p8w Ready agent 10m v1.27.9aks-gpu-spot-p9vh8 Ready agent 3m1s v1.27.9aks-nodepool1-34768744-vmss000000 Ready agent 63m v1.27.9aks-nodepool1-34768744-vmss000001 Ready agent 63m v1.27.9aks-nodepool1-34768744-vmss000002 Ready agent 63m v1.27.9
查看karpenter对应的三个CRD：
xinyu [ ~ ]$ kubectl get crd |grep -i kar
aksnodeclasses.karpenter.azure.com 2024-03-24T01:18:01Znodeclaims.karpenter.sh 2024-03-24T01:18:01Znodepools.karpenter.sh 2024-03-24T01:18:01Z
查看karpenter claim的节点，有两个：
xinyu [ ~ ]$ kubectl get nodeclaims.karpenter.sh
NAME TYPE ZONE NODE READY AGEgpu-spot-57p8w Standard_NC24ads_A100_v4 southeastasia-2 aks-gpu-spot-57p8w True 15mgpu-spot-p9vh8 Standard_NC24ads_A100_v4 southeastasia-2 aks-gpu-spot-p9vh8 True 8m11s
此时查看Azure VM，有两个GPU SpotVM：
将deployments副本数设置为0，AKS会剔除对应节点，Azure也会删除GPU SpotVM。
xinyu [ ~ ]$ kubectl scale deployment samples-gpu --replicas=0
deployment.apps/samples-gpu scaledxinyu [ ~ ]$ kubectl get deployment
NAME READY UP-TO-DATE AVAILABLE AGEsamples-gpu 0/0 0 0 26m
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-08-18
当产品经理谈到用LLM Agent构建新一代智能体的时候，他们在说什么？
2024-08-15
对话AI教育从业者们：AI如何解决因材施教的难题？
2024-08-03
工业应用中的向量数据库与知识向量化存储方案
2024-07-25
两大深度学习框架TensorFlow与PyTorch对比
2024-07-17
让生成式 AI 触手可及：NVIDIA NIM on VKE 部署实践
2024-07-16
中文大模型基准测评2024上半年报告
2024-07-16
一文看懂人工智能的起源、发展、三次浪潮与未来趋势
2024-07-14
"自拍" 秒变 "证件照" 看Coze如何实现
2024-05-14
2024-04-26
2024-05-22
2024-04-12
2024-07-18
2024-03-30
2024-05-10
2024-08-13
2024-04-25
2024-04-26
回到顶部