全部产品
Search
文档中心

容器服务 Kubernetes 版 ACK:如何在Windows容器中使用基于DirectX的GPU加速

更新时间:Nov 25, 2024

对于Windows节点的工作负载,GPU相比于CPU可提供更大规模的并行计算能力,且能够将操作速度提高几个数量级,从而降低成本并提高吞吐量。Windows容器支持对基于DirectX构建的所有框架进行GPU加速。本文介绍在Windows节点如何安装DirectX设备插件以及在Windows容器中如何使用基于DirectX构建的GPU加速功能。

前提条件

DirectX介绍

DirectX(Direct eXtension,简称DX)是一种应用程序接口(API)。DirectX可以使以Windows为平台的游戏和多媒体程序获得更高的执行效率,加强3D图形和声音效果,并向设计人员提供一个共同的硬件驱动标准,降低安装及设置硬件的复杂性。基于DirectX,您可以使用GPU处理并行化的计算密集型任务,同时减轻CPU过载的情况,更好地将GPU作为并行处理器使用。

步骤一:创建支持GPU的弹性Windows节点池

普通Windows节点池

  1. 激活License的GRID驱动。您可以通过以下两种方式获取GRID驱动:

  2. 创建Windows节点池,且满足如下需求。注意事项和操作步骤,请参见创建Windows节点池

支持弹性的Windows节点池

目前,ACK默认只支持使用ECS公共镜像作为节点镜像。如需创建支持弹性的Windows 节点,需通过自定义镜像的方式实现。操作流程如下。

  1. 提交工单申请共享已激活License的GRID驱动的Windows镜像,当前默认支持Windows Server 2019和Windows Server 2022。若对Windows版本有特殊需求,请在工单中申请。

  2. 创建Windows节点池,且节点池需满足以下要求。具体操作,请参见创建Windows节点池

    1. 实例规格:GPU计算型或GPU虚拟化型实例规格。关于支持的实例规格,请参见GPU计算型(gn系列)GPU虚拟化型(vgn/sgn系列)

    2. 操作系统:按需选择,例如Windows Server 2022。

    3. 自定义镜像:选择申请的镜像。

步骤二:为Windows节点安装DirectX设备插件

将DirectX设备插件以DaemonSet方式部署到Windows节点上。

  1. 使用以下内容创建directx-device-plugin-windows.yaml文件。

    apiVersion: apps/v1
    kind: DaemonSet
    metadata:
      labels:
        k8s-app: directx-device-plugin-windows
      name: directx-device-plugin-windows
      namespace: kube-system
    spec:
      revisionHistoryLimit: 10
      selector:
        matchLabels:
          k8s-app: directx-device-plugin-windows
      template:
        metadata:
          annotations:
            scheduler.alpha.kubernetes.io/critical-pod: ""
          labels:
            k8s-app: directx-device-plugin-windows
        spec:
          tolerations:
            - operator: Exists
          # since 1.18, we can specify "hostNetwork: true" for Windows workloads, so we can deploy an application without NetworkReady.
          hostNetwork: true
          affinity:
            nodeAffinity:
              requiredDuringSchedulingIgnoredDuringExecution:
                nodeSelectorTerms:
                  - matchExpressions:
                      - key: type
                        operator: NotIn
                        values:
                          - virtual-kubelet
                      - key: beta.kubernetes.io/os
                        operator: In
                        values:
                          - windows
                      - key: windows.alibabacloud.com/deployment-topology
                        operator: In
                        values:
                          - "2.0"
                      - key: windows.alibabacloud.com/directx-supported
                        operator: In
                        values:
                          - "true"
                  - matchExpressions:
                      - key: type
                        operator: NotIn
                        values:
                          - virtual-kubelet
                      - key: kubernetes.io/os
                        operator: In
                        values:
                          - windows
                      - key: windows.alibabacloud.com/deployment-topology
                        operator: In
                        values:
                          - "2.0"
                      - key: windows.alibabacloud.com/directx-supported
                        operator: In
                        values:
                          - "true"
          containers:
            - name: directx
              command:
                - pwsh.exe
                - -NoLogo
                - -NonInteractive
                - -File
                - entrypoint.ps1
              # 根据不同集群的地域,您需修改以下镜像地址中的地域<cn-hangzhou>信息。
              image: registry-cn-hangzhou-vpc.ack.aliyuncs.com/acs/directx-device-plugin-windows:v1.0.0
              imagePullPolicy: IfNotPresent
              volumeMounts:
                - name: host-binary
                  mountPath: c:/host/opt/bin
                - name: wins-pipe
                  mountPath: \\.\pipe\rancher_wins
          volumes:
            - name: host-binary
              hostPath:
                path: c:/opt/bin
                type: DirectoryOrCreate
            - name: wins-pipe
              hostPath:
                path: \\.\pipe\rancher_wins
  2. 执行以下命令,部署directx-device-plugin-windows.yaml文件,安装DirectX设备插件。

    kubectl create -f directx-device-plugin-windows.yaml

步骤三:部署使用基于DirectX的GPU加速的Windows工作负载

DirectX设备插件可以为Windows容器自动添加class/<interface class GUID>设备,以支持调用ECS实例主机的DirectX服务。更多信息,请参见Windows上的容器中的设备

请在需要使用GPU加速的Windows工作负载内添加以下resources资源信息并重新部署:

spec:
  ...
  template:
    ...
    spec:
      ...
      containers:
        - name: gpu-user
          ...
+         resources:
+           limits:
+             windows.alibabacloud.com/directx: "1"
+           requests:
+             windows.alibabacloud.com/directx: "1"
重要

上述配置不会将整个ECS实例主机的GPU资源专门分配给容器,也不会阻止ECS实例主机上的GPU被其他应用访问。相反,GPU资源会在ECS实例主机和容器之间动态调度,即支持在主机上运行多个Windows容器,且每个容器都可以使用支持硬件加速的DirectX功能。

关于Windows容器中的GPU加速的更多信息,请参见Windows容器中的GPU加速

步骤四:验证在Windows工作负载是否成功使用GPU加速功能

在Windows节点上添加DirectX设备插件后,使用以下示例应用验证DirectX设备插件是否成功部署到Windows节点。

  1. 使用以下内容创建gpu-job-windows.yaml文件。

    apiVersion: batch/v1
    kind: Job
    metadata:
      labels:
        k8s-app: gpu-job-windows
      name: gpu-job-windows
      namespace: default
    spec:
      parallelism: 1
      completions: 1
      backoffLimit: 3
      manualSelector: true
      selector:
        matchLabels:
          k8s-app: gpu-job-windows
      template:
        metadata:
          labels:
            k8s-app: gpu-job-windows
        spec:
          restartPolicy: Never
          affinity:
            nodeAffinity:
              requiredDuringSchedulingIgnoredDuringExecution:
                nodeSelectorTerms:
                  - matchExpressions:
                      - key: type
                        operator: NotIn
                        values:
                          - virtual-kubelet
                      - key: beta.kubernetes.io/os
                        operator: In
                        values:
                          - windows
                  - matchExpressions:
                      - key: type
                        operator: NotIn
                        values:
                          - virtual-kubelet
                      - key: kubernetes.io/os
                        operator: In
                        values:
                          - windows
          tolerations:
            - key: os
              value: windows
          containers:
            - name: gpu
              # 根据不同集群的地域,您需修改以下镜像地址中的地域<cn-hangzhou>信息。
              image: registry-cn-hangzhou-vpc.ack.aliyuncs.com/acs/sample-gpu-windows:v1.0.0
              imagePullPolicy: IfNotPresent
              resources:
                limits:
                  windows.alibabacloud.com/directx: "1"
                requests:
                  windows.alibabacloud.com/directx: "1"
    说明
    • 镜像registry-{region}-vpc.ack.aliyuncs.com/acs/sample-gpu-windows是阿里云容器服务提供的Windows GPU加速容器示例镜像。该镜像基于Microsoft Windows制作。更多信息,请参见microsoft-windows

    • 该示例通过WinMLRunner生成模拟输入数据,对gpu-job-windows任务使用GPU加速后,通过Tiny YOLOv2模型进行100次评估,最终输出相应的性能测量数据。实际结果请以您的操作环境为准。

    • 镜像文件较大(文件大小为15.3 GB),部署应用时拉取镜像时间较长,请耐心等待。

  2. 执行以下命令,部署gpu-job-windows.yaml,创建示例应用。

    kubectl create -f gpu-job-windows.yaml
  3. 执行以下命令,查看示例应用gpu-job-windows的日志信息。

    kubectl logs -f gpu-job-windows

    预期输出:

    INFO: Executing model of "tinyyolov2-7" 100 times within GPU driver ...
    
    Created LearningModelDevice with GPU: NVIDIA GRID T4-8Q
    Loading model (path = c:\data\tinyyolov2-7\model.onnx)...
    =================================================================
    Name: Example Model
    Author: OnnxMLTools
    Version: 0
    Domain: onnxconverter-common
    Description: The Tiny YOLO network from the paper 'YOLO9000: Better, Faster, Stronger' (2016), arXiv:1612.08242
    Path: c:\data\tinyyolov2-7\model.onnx
    Support FP16: false
    
    Input Feature Info:
    Name: image
    Feature Kind: Image (Height: 416, Width:  416)
    
    Output Feature Info:
    Name: grid
    Feature Kind: Float

    预期输出表明,示例应用gpu-job-windows已成功使用GPU加速功能。