容器环境中GPU资源池中可以多种切分方式并用吗?效果如何?

容器环境中GPU资源池中可以多种切分方式并用吗?效果如何

2回答

Cui XiaonanCui Xiaonan  DevRel , NVIDIA英伟达
Monica Wangzhsa赞同了此回答
关于GPU高效共享的解决方案,行业有很多的技术实现,大致分成Remote CUDA,CUDA原生实现,GPU硬件实现。 1. R-CUDA的方案,也叫远程CUDA和CUDA劫持,是一种基于驱动或CUDA句柄的拦截和转发机制,英伟达官方并不支持这样的做法,尤其在跨服务器请求转发方面,其性能和效果对于网络和处理延...显示全部

关于GPU高效共享的解决方案,行业有很多的技术实现,大致分成Remote CUDA,CUDA原生实现,GPU硬件实现。 1. R-CUDA的方案,也叫远程CUDA和CUDA劫持,是一种基于驱动或CUDA句柄的拦截和转发机制,英伟达官方并不支持这样的做法,尤其在跨服务器请求转发方面,其性能和效果对于网络和处理延时依赖较大,对于实时性的业务场景效果并不理想,同时随着GPU驱动的升级,对于其支持的周期风险很大。 2. CUDA原生实现,主要指英伟达的vGPU全切分方案,通过定制的GPU驱动,实现GPU的时分切分,基于时间片轮训机制,实现GPU显存最小粒度的切分,该方案是英伟达的原生技术实现,需要相应的License和技术支持服务。 3. GPU硬件切分技术,只要在A100和A30的GPU上提供,未来的H100也会支持,实现机制是通过GPU内部相应计算单元和显存单元的动态划分,实现硬件的空间切片,彼此的隔离性达到最佳,对于上层系统相对透明,且提供灵活的配置,该技术仅在A100和A30 GPU支持,不需要软件License。

效果,GPU空间切分-MIG技术相对隔离性较好,几乎没有额外性能损耗,vGPU时分切片技术,相对灵活性更好,硬件的限制较小,但是需要额外的软件许可。

建议关注NVIDIA AI Enterprise软件套件,包含GPU切分和管理的全部软件功能,并且提供企业级的支持服务。

收起
 2022-04-28
浏览183
rechenrechen  云计算架构师 , 招商银行
容器环境中GPU资源池中是不可以同时使用多种切分方式的。每种GPU虚拟化的实现方式不同,且对GPU卡资源的排斥性管理的。 效果能够做到一虚十,即粒度到0.1GPU下面是各种GPU切分(即GPU虚拟化)技术的对比一. CUDA劫持是属于时间复用方式的GPU虚拟化技术,通过劫持对Cuda driver AP...显示全部

容器环境中GPU资源池中是不可以同时使用多种切分方式的。每种GPU虚拟化的实现方式不同,且对GPU卡资源的排斥性管理的。 效果能够做到一虚十,即粒度到0.1GPU

下面是各种GPU切分(即GPU虚拟化)技术的对比

一. CUDA劫持是属于时间复用方式的GPU虚拟化技术,通过劫持对Cuda driver API的调用来做到资源隔离。共享模块一般位于在Cuda driver API之上。

  • 优势:API开源,是非Nvidia官方技术人员能够较容易实现的共享技术。
  • 劣势:1.CUDA库升级活跃,而当CUDA库升级时,劫持方案也需要不断适配,损耗人力。2.难以涵盖所有场景,隔离不一定准确;3.安全性低,用户可以绕过限制。4.对用户有少量影响,需要一定适配。

二. CUDA聚合:NVIDIA MPS是 属于空间复用方式的GPU共享技术,通过将多个任务合并成一个上下文的方式共享GPU算力,所有任务共同使用显存。位于Cuda driver API和Nvidia Driver之间。

  • 优势:性能是所有技术中最好的。在多任务共享的场景下,当任务使用的资源可以同时被满足,其JCT(任务完成时间)基本没有影响。
  • 劣势:1.错误会互相影响,如果一个任务退出(包括被使用者停止和任务本身出错等),如果该任务正在执行kernel,那么和该任务共同share IPC和UVM的任务也会一同出错退出。2.没有显存隔离,可以粗略地限制计算资源。

三. 内核劫持: 阿里云 cGPU是属于时间复用方式的GPU容器共享方案,通过新的内核驱动模块,为容器提供了虚拟的GPU设备,劫持了对Nvidia driver的调用。可以严格限制显存,通过时间片的方式限制算力。位于Cuda driver API和Nvidia Driver之间。

  • 优势:1.安全性高;2.共享损耗小;3.Nvidia Driver的更新更少,改动量很小。
  • 劣势:1.cGPU对OS设置有一定依赖;2.因为是内核模块,因此更新换代较困难;3.研发困难,对开发要求高。4.出于算力时间片的设计,对于某些模型,具有一定的性能损失。

四. 虚拟机:Nvidia官方的vGPU属于时间复用方式的共享产品,通过vfio-mdev提供了一个隔离性非常高的的硬件环境,主要面向的是虚拟机产品。其共享模块在Nvidia driver及之下。

  • 优势:来自Nvidia官方,可靠性高,安全性高。
  • 劣势:1.不支持容器,虚拟机在使用上不灵活;2.无法动态调整资源比例。3.有一定的共享损耗。4.无法定制化开发。
收起
 2022-04-30
浏览108

容器云管理平台选型优先顺序调查

发表您的选型观点,参与即得50金币。

问题状态

  • 发布时间:2022-04-20
  • 关注会员:3 人
  • 问题浏览:541
  • 最近回答:2022-04-30