在阿里云上轻松部署Kubernetes GPU集群，遇见TensorFlow
Kubernetes在版本1.6后正式加入了Nvidia GPU的调度功能，支持在Kubernetes上运行运行和管理基于GPU的应用。而在2017年9月12日，阿里云发布了新的异构计算类型GN5，基于P100 nvidia GPU, 提供灵活强悍的异构计算模型，从基础设施到部署环境全面升级，可有效提升矩阵运算、视频识别、机器学习、搜索排序等处理计算效率。当Kubernetes和GPU在阿里云上相遇，会有什么样美好的事情发生呢?
在阿里云的GN5上部署一套支持GPU的Kubernetes集群是非常简单的，利用ROS模板一键部署，将阿里云强大的计算能力便捷的输送到您的手中。不出10分钟，您就可以开始在阿里云的Kubernetes集群上开始您的Kubernetes+GPU+TensorFlow的深度学习之旅了。
前提准备
- 您需要开通容器服务、资源编排（ROS）服务和访问控制（RAM）服务。
登录 容器服务管理控制台、ROS 管理控制台 和 RAM 管理控制台 开通相应的服务。 - 所创建的资源均为按量付费，根据阿里云的计费要求，请确保您的现金账户余额不少于 100 元。
- 目前，按量付费的异构计算gn5需要申请工单开通。 请登录阿里云账号后 ,按照如下内容提交 ECS 工单
我需要申请按量付费的GPU计算型gn5，请帮忙开通，谢谢。当审批通过后，您就可以在 ECS控制台 的 按量付费 的计费方式下查看GPU节点是否可用。
使用限制
目前仅支持华北2（北京），华东2（上海）和华南1（深圳）创建Kubernetes的GPU集群。
集群部署
在本文中， 我们提供了部署单Master节点，并可以配置worker的节点数，同时可以按需扩容和缩容，创建和销毁集群也是非常简单的。
- 选择ROS创建入口
- 单击此处创建一个位于华北2的GPU Kubernetes集群
- 单击此处创建一个位于华东2的GPU Kubernetes集群
- 单击此处创建一个位于华南1的GPU Kubernetes集群
2. 填写参数并单击 创建
- 栈名：所部署的 Kubernetes 集群属于一个 ROS 的栈，栈名称在同一个地域内不能重复。
- 创建超时：整个部署过程的超时时间，默认为 60 分钟，无需修改。
- 失败回滚：选择 失败回滚 时，如果部署过程中发生不可自动修复性错误，将删除所有已创建资源；反之，已创建资源将被保留，以便进行问题排查。
- Master节点ECS实例规格：指定 Master 节点所运行的 ECS 实例的规格，默认为 ecs.n4.large。
- Worker节点ECS实例规格：指定 Worker 节点所运行的包含GPU的 ECS 实例规格，默认为 ecs.gn5-c4g1.xlarge。具体配置可以查看ECS规格文档。
- 部署GPU节点的可用区：指定 GPU节点可以部署的可用区，请根据具体地域选择。
- ECS系统镜像：目前指定 centos_7。
- Worker节点数：指定 Worker 节点数，默认为 2，支持后期扩容。
- ECS登录密码：所创建的 ECS 实例可通过此密码登录，请务必牢记密码。
3. 单击 创建， 启动部署
这样，部署请求已经成功提交。 可以单击 进入事件列表 实时监控部署过程
4. 点击概览查看，部署完成后的输出结果
通过输出结果中返回的信息，可以对 Kubernetes 集群进行管理：
- APIServer_Internet：Kubernetes 的 API server 对公网提供服务的地址和端口，可以通过此服务在用户终端使用 kubectl 等工具管理集群。
- AdminGateway：可以直接通过 SSH 登录到 Master 节点，以便对集群进行日常维护。
- APIServer_Intranet：Kubernetes 的 API server 对集群内部提供服务的地址和端口。
5. 通过通过 kubectl 连接 Kubernetes 集群 ， 并且通过命令查看GPU节点
kubectl describe node {node-name}
Name: cn-beijing.i-{name}
Role:
...
Addresses:
InternalIP: 192.168.2.74
Capacity:
alpha.kubernetes.io/nvidia-gpu: 1
cpu: 4
memory: 30717616Ki
pods: 110
Allocatable:
alpha.kubernetes.io/nvidia-gpu: 1
cpu: 4
memory: 30615216Ki
pods: 110
...可以看到总共的和可分配的GPU数量都为1。
部署GPU应用
最后我们部署一个基于GPU的TensorFlow Jupyter应用来做一下简单的测试，以下为我们的Jupyter的部署配置文件jupyter.yml
---
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
name: jupyter
spec:
replicas: 1
template:
metadata:
labels:
k8s-app: jupyter
spec:
containers:
- name: jupyter
image: registry-vpc.cn-beijing.aliyuncs.com/tensorflow-samples/jupyter:1.1.0-devel-gpu
imagePullPolicy: IfNotPresent
env:
- name: PASSWORD
value: mypassw0rd
resources:
limits:
alpha.kubernetes.io/nvidia-gpu: 1
volumeMounts:
- mountPath: /usr/local/nvidia
name: nvidia
volumes:
- hostPath:
path: /var/lib/nvidia-docker/volumes/nvidia_driver/375.39
name: nvidia
---
apiVersion: v1
kind: Service
metadata:
name: jupyter-svc
spec:
ports:
- port: 80
targetPort: 8888
name: jupyter
selector:
k8s-app: jupyter
type: LoadBalancerDeployment配置：
- alpha.kubernetes.io/nvidia-gpu 指定调用nvidia gpu的数量
- type=LoadBalancer 指定使用阿里云的负载均衡访问内部服务和负载均衡
- 为了能让GPU容器运行起来，需要将Nvidia驱动和CUDA库文件指定到容器中。这里需要使用hostPath，在阿里云上您只需要将hostPath指定到
/var/lib/nvidia-docker/volumes/nvidia_driver/375.39即可，并不需要指定多个bin和lib目录。- 环境变量 PASSWORD 指定了访问Jupyter服务的密码，您可以按照您的需要修改
1. 按照文档介绍的方式连接Kubernetes Web UI， 点击 CREATE 创建应用
2. 单击 Upload a YAML or JSON file。选择刚才创建的 jupyter.yml 文件
3. 待部署成功后， 在 Kubernetes Web UI 上定位到 default 命名空间，选择 Services。
可以看到刚刚创建的 jupyter-svc 的 jupyter 服务的外部负载均衡地址(External endpoints)
4. 点击外部负载均衡的地址，您就可以直接访问到Jupyter服务， 通过web Terminal内执行nvidia-smi命令查看容器内GPU设备状况。我们可以看到当前的容器里已经分配了一块Tesla P100 的GPU卡。
这样，您就可以正式开始自己的深度学习之旅
总结
利用阿里云容器服务的Kubernetes+GPU部署方案，您无需操心复杂Nvidia驱动和Kubernetes集群配置，一键部署，不出十分钟就可以轻松获得阿里云强大的异构计算能力和Kubernetes的GPU应用部署调度能力。这样您就可以专心的构建和运行自己的深度学习应用了。欢迎您尝试和体验。
后续我们会提供通过阿里云容器服务直接和部署Kubernetes+GPU的能力，敬请期待哦！
了解更多阿里云容器服务内容， 请访问https://www.aliyun.com/product/containerservice