容器服务 Kubernetes 版 ACK：基于GPU指标实现AHPA弹性预测

原理介绍

在高性能计算领域，尤其是深度学习模型训练、推理等对GPU资源高度依赖的场景中，通过精细化管理和动态调整GPU资源能够有效提升资源利用率并降低成本。容器服务 Kubernetes 版支持基于GPU指标进行弹性伸缩。您可以利用Prometheus采集GPU的实时利用率和显存使用情况等关键指标。然后通过Prometheus Adapter将这些指标转换为Kubernetes可识别的metrics格式，并与AHPA集成。AHPA可以根据从Prometheus Adapter获取到的GPU利用率数据，结合历史负载趋势和预测算法，提前预估未来的GPU资源需求，并自动调整Pod副本数量或者GPU资源分配，确保在GPU资源紧张前完成扩容操作，而在资源闲置时及时缩容，从而达到节省成本和提高集群效率的目标。

步骤一：部署Metrics Adapter

1. 获取HTTP API的内网地址。

   1. 登录ARMS控制台。

   2. 在左侧导航栏选择Prometheus监控 > 实例列表，进入可观测监控 Prometheus 版的实例列表页面。

   3. 在实例列表页面顶部，选择容器服务K8s集群所在的地域。

   4. 单击目标Prometheus实例名称，然后在左侧导航栏单击设置，获取HTTP API地址下的内网地址。

2. 部署ack-alibaba-cloud-metrics-adapter。

   1. 登录容器服务管理控制台，在左侧导航栏选择市场 > 应用市场。

   2. 在应用市场页面单击应用目录页签，搜索并单击ack-alibaba-cloud-metrics-adapter。

   3. 在ack-alibaba-cloud-metrics-adapter页面，单击右上角的一键部署。

   4. 在基本信息配置向导中，选择集群和命名空间，然后单击下一步。

   5. 在参数配置配置向导中，选择Chart版本，在参数区域将步骤1获取的HTTP API内网地址配置为prometheus.url的值，然后单击确定。

      

步骤二：基于GPU指标实现AHPA弹性预测

本文通过在GPU上部署一个模型推理服务，然后对其进行持续请求访问，根据GPU利用率进行AHPA弹性预测。

1. 部署推理服务。

   1. 执行以下命令，部署推理服务。

      展开查看详情

      cat <<EOF | kubectl create -f -
      apiVersion: apps/v1
      kind: Deployment
      metadata:
        name: bert-intent-detection
      spec:
        replicas: 1
        selector:
          matchLabels:
            app: bert-intent-detection
        template:
          metadata:
            labels:
              app: bert-intent-detection
          spec:
            containers:
            - name: bert-container
              image: registry.cn-hangzhou.aliyuncs.com/ai-samples/bert-intent-detection:1.0.1
              ports:
              - containerPort: 80
              resources:
                limits:
                  cpu: "1"
                  memory: 2G
                  nvidia.com/gpu: "1"
                requests:
                  cpu: 200m
                  memory: 500M
                  nvidia.com/gpu: "1"
      ---
      apiVersion: v1
      kind: Service
      metadata:
        name: bert-intent-detection-svc
        labels:
          app: bert-intent-detection
      spec:
        selector:
          app: bert-intent-detection
        ports:
        - protocol: TCP
          name: http
          port: 80
          targetPort: 80
        type: LoadBalancer
      EOF

   2. 执行以下命令，查看Pod状态。

      kubectl get pods -o wide

      预期输出：

      NAME                                    READY   STATUS    RESTARTS   AGE     IP           NODE                        NOMINATED NODE   READINESS GATES
      bert-intent-detection-7b486f6bf-f****   1/1     Running   0          3m24s   10.15.1.17   cn-beijing.192.168.94.107   <none>           <none>

   3. 执行以下命令，调用推理服务，验证部署是否成功。

      您可以通过kubectl get svc bert-intent-detection-svc命令获取GPU节点的IP地址，替换如下命令中的47.95.XX.XX。

      curl -v  "http://47.95.XX.XX/predict?query=Music"

      预期输出：

      *   Trying 47.95.XX.XX...
      * TCP_NODELAY set
      * Connected to 47.95.XX.XX (47.95.XX.XX) port 80 (#0)
      > GET /predict?query=Music HTTP/1.1
      > Host: 47.95.XX.XX
      > User-Agent: curl/7.64.1
      > Accept: */*
      >
      * HTTP 1.0, assume close after body
      < HTTP/1.0 200 OK
      < Content-Type: text/html; charset=utf-8
      < Content-Length: 9
      < Server: Werkzeug/1.0.1 Python/3.6.9
      < Date: Wed, 16 Feb 2022 03:52:11 GMT
      <
      * Closing connection 0
      PlayMusic #意图识别结果。

      当HTTP请求返回状态码200和意图识别结果，说明推理服务部署成功。

2. 配置AHPA。

   本文以GPU利用率为例，当Pod的GPU利用率大于20%时，触发扩容。

   1. 配置AHPA指标源。

      1. 使用以下内容，创建application-intelligence.yaml文件。

         prometheusUrl用于设置阿里云Prometheus的访问地址，值为步骤1获取的内网地址。

         apiVersion: v1
         kind: ConfigMap
         metadata:
           name: application-intelligence
           namespace: kube-system
         data:
           prometheusUrl: "http://cn-shanghai-intranet.arms.aliyuncs.com:9090/api/v1/prometheus/da9d7dece901db4c9fc7f5b*******/1581204543170*****/c54417d182c6d430fb062ec364e****/cn-shanghai"

      2. 执行以下命令，部署application-intelligence。

         kubectl apply -f application-intelligence.yaml

   2. 部署AHPA。

      1. 使用以下内容，创建fib-gpu.yaml文件。

         此处设置为observer观察模式，关于参数的更多信息，请参见参数说明。

         展开查看详情

         apiVersion: autoscaling.alibabacloud.com/v1beta1
         kind: AdvancedHorizontalPodAutoscaler
         metadata:
           name: fib-gpu
           namespace: default
         spec:
           metrics:
           - resource:
               name: gpu
               target:
                 averageUtilization: 20
                 type: Utilization
             type: Resource
           minReplicas: 0
           maxReplicas: 100
           prediction:
             quantile: 95
             scaleUpForward: 180
           scaleStrategy: observer
           scaleTargetRef:
             apiVersion: apps/v1
             kind: Deployment
             name: bert-intent-detection
           instanceBounds:
           - startTime: "2021-12-16 00:00:00"
             endTime: "2022-12-16 00:00:00"
             bounds:
             - cron: "* 0-8 ? * MON-FRI"
               maxReplicas: 50
               minReplicas: 4
             - cron: "* 9-15 ? * MON-FRI"
               maxReplicas: 50
               minReplicas: 10
             - cron: "* 16-23 ? * MON-FRI"
               maxReplicas: 50
               minReplicas: 12

      2. 执行以下命令，部署AHPA。

         kubectl apply -f fib-gpu.yaml

      3. 执行以下命令，查看AHPA状态。

         kubectl get ahpa

         预期输出：

         NAME             STRATEGY   REFERENCE               METRIC   TARGET(%)   CURRENT(%)   DESIREDPODS   REPLICAS   MINPODS   MAXPODS   AGE
         fib-gpu          observer   bert-intent-detection   gpu      20          0          0            1          10        50        6d19h

         由预期输出得到，CURRENT(%)为0，TARGET(%)为20。说明当前GPU利用率是0%，当GPU利用率超过20%时触发弹性扩容。

3. 测试推理服务弹性伸缩。

   1. 执行以下命令，对推理服务进行访问。

      展开查看详情

      apiVersion: apps/v1
      kind: Deployment
      metadata:
        name: fib-loader
        namespace: default
      spec:
        progressDeadlineSeconds: 600
        replicas: 1
        revisionHistoryLimit: 10
        selector:
          matchLabels:
            app: fib-loader
        strategy:
          rollingUpdate:
            maxSurge: 25%
            maxUnavailable: 25%
          type: RollingUpdate
        template:
          metadata:
            creationTimestamp: null
            labels:
              app: fib-loader
          spec:
            containers:
            - args:
              - -c
              - |
                /ko-app/fib-loader --service-url="http://bert-intent-detection-svc.${NAMESPACE}/predict?query=Music" --save-path=/tmp/fib-loader-chart.html
              command:
              - sh
              env:
              - name: NAMESPACE
                valueFrom:
                  fieldRef:
                    apiVersion: v1
                    fieldPath: metadata.namespace
              image: registry.cn-huhehaote.aliyuncs.com/kubeway/knative-sample-fib-loader:20201126-110434
              imagePullPolicy: IfNotPresent
              name: loader
              ports:
              - containerPort: 8090
                name: chart
                protocol: TCP
              resources:
                limits:
                  cpu: "8"
                  memory: 16000Mi
                requests:
                  cpu: "2"
                  memory: 4000Mi

   2. 访问过程中，执行以下命令，查看AHPA的状态。

      kubectl get ahpa

      预期输出：

      NAME             STRATEGY   REFERENCE               METRIC   TARGET(%)   CURRENT(%)   DESIREDPODS   REPLICAS   MINPODS   MAXPODS   AGE
      fib-gpu          observer   bert-intent-detection   gpu      20          189          10            4          10        50        6d19h

      由预期输出得到，当前GPU利用率 CURRENT(%)已超过TARGET(%)的值，触发弹性伸缩，期望的Pod数DESIREDPODS为10。

   3. 执行以下命令，查看预测效果趋势。

      kubectl get --raw '/apis/metrics.alibabacloud.com/v1beta1/namespaces/default/predictionsobserver/fib-gpu'|jq -r '.content' |base64 -d > observer.html

      基于历史7天的GPU指标数据预测的GPU趋势示例结果如下：

      • Predict GPU Resource Observer：蓝色表示实际的GPU使用量，绿色表示AHPA预测出来的GPU使用量。绿色曲线大部分均大于蓝色，表明预测的GPU容量相对充足。

      • Predict POD Oberserver：蓝色表示使用实际的扩缩容Pod数，绿色表示AHPA预测出来的扩缩容Pod数，绿色曲线大部分均小于蓝色，表明预测的Pod数量更少。您可以将弹性伸缩模式设置为auto，以预测的Pod数进行设置，为您节省更多的Pod资源，避免资源的浪费。

      通过预测结果表明，弹性预测趋势符合预期。若经过观察后，符合预期，您可以将弹性伸缩模式设置为auto，由AHPA负责扩缩容。

相关文档

• Knative Serverless支持AHPA（Advanced Horizontal Pod Autoscaler）的弹性能力，当应用所需资源具备周期性时，可通过弹性预测，预热资源，解决您在使用Knative中遇到的冷启动问题。详细信息，请参见在Knative中使用AHPA弹性预测。

• 很多场景中需要根据自定义指标（例如HTTP请求的QPS、消息队列的长度等）对应用进行扩缩容。AHPA（Autoscaling Horizontal Pod Autoscaler）提供了External Metrics机制，结合alibaba-cloud-metrics-adapter组件，可以为应用提供更加丰富的扩缩机制。详细信息，请参见通过AHPA配置自定义指标以实现应用扩缩。