GPU集群管理、使用指南

由于GPU集群的管理与使用涉及到一些复杂的主题,所以这一系列文档并不是面向纯小白的step-by-step教学,推荐先读一下阅读技术文档需要的能力。

本文写于2022年04月30日,阅读时请注意时效。

文章的大概内容摘要

通用

GPU用户有必要掌握管理的部分吗?

了解即可,学校的GPU资源紧张,有时遇到赶文章需要租用云服务器救急,这时机器环境是需要自己配置的。

虚拟机的选择、安装、配置、搭建模拟环境

使用虚拟机可以在不破坏本机操作系统环境的情况下同时使用Windows和Linux操作系统。对于管理人员,服务器重启时间长、机房环境恶劣,虚拟机可以作为很好的实验工具。对于集群用户,可以使用虚拟机练习Linux操作系统的使用而不用担心破坏自己在服务器上搭建好的开发环境。

劣势是没办法用显卡,想要在PC上使用Linux操作系统+显卡只能装双系统,这里推荐Manjaro,因为它开箱即用、最少折腾、软件版本新而且自带nvidia闭源驱动,如果只是用来写代码的话十分推荐。

虚拟机选择VirtualBox,原因及设置内容较多,见选择VirtualBox的原因、Linux虚拟机的正确设置

管理

配置RAID

这一步没有单独的文章,只提几个重要的点。首先要知道RAID是什么,其次服务器的RAID是硬RAID,使用的是专门的RAID卡,操作系统无法直接“看到”硬盘,只能看到RAID卡产生的逻辑设备。所以不配置RAID是无法成功安装操作系统的,而配置RAID又无法远程操作。

现阶段RAID是配置好的,如果不出现故障基本没什么需要操作的,即使需要学习,在知道RAID为何物的基础上按照文档操作也并非难事,所以此处不进行详细说明,只放上RAID卡的相关文档备查。

2208文档

特别要提一下的是,一些文件系统,如ceph,要求底层硬盘最好运行在JBOD模式,英文全称just-a-bunch-of-disks,在RAID卡中,这个模式相当于将每一块硬盘配置为RAID0,目前大部分机器采用了这一模式。一方面我们的用户资料没有那么重要,而且用户自己有电脑可以做代码备份;另一方面在实践中即使是复杂的RAID5故障率也很高,而且在重建RAID的时候非常容易出现第二块坏盘的情况,综合下来得不偿失。

安装操作系统

CentOS停止支持后,Debian成了唯一的也是最大的开源操作系统,所以我们选择Debian作为GPU服务器的操作系统。

内容较多,见手动安装Debian11操作系统

配置网络环境ssh(之后都可以用ssh操作)

有root的时候默认不装sudo的,所以要开一下ssh远程,pxe不需要

第 5 章 网络设置

ifup(8) — ifupdown2 — Debian bullseye — Debian Manpages

ifdown(8) — ifupdown2 — Debian bullseye — Debian Manpages

interfaces(5) — ifupdown2 — Debian bullseye — Debian Manpages

这里只放上正确的配置文件和参考文档

可以让大家自己复制几台然后相互ping一下

配置包管理器

https://www.debian.org/doc/manuals/debian-handbook/

https://debian-handbook.info/get/now/

Debian -- 安全信息

sources.list

Debian -- Debian“bullseye”发行信息

安装显卡驱动

一条命令安装驱动和cuda

不要用nvidia-detect,测不出来

NvidiaGraphicsDrivers - Debian Wiki

conda

能不能不装?不能

PXE批量安装操作系统+自动配置环境搭建与使用

安装slurm集群管理软件

Linux常用命令(管理)

添加与删除用户

服务器定期下线维护

使用

申请账号

随机密码生成器

服务器地址、如何登陆服务器

mobaxterm

不要在tc6000上跑程序

如何申请资源

如何使用conda配置开发环境

如何使用pycharm进行远程调试

Linux简介与常用命令

不用知道所有参数,man -h都很好用,manual page、wiki

nano编辑器

debian文档

history

grep

wget

unzip

pwd

ls

tmux

你可能感兴趣的:(GPU集群管理、使用指南)