Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Configurazione delle partizioni GPU su Amazon SageMaker HyperPod

Prerequisiti

Creazione di un cluster con configurazione MIG

Utilizzo AWS CLI

aws sagemaker create-cluster \
  --cluster-name my-mig-cluster \
  --orchestrator 'Eks={ClusterArn=arn:aws:eks:region:account:cluster/cluster-name}' \
  --instance-groups '{
    "InstanceGroupName": "gpu-group",
    "InstanceType": "ml.p4d.24xlarge",
    "InstanceCount": 1,
    "LifeCycleConfig": {
       "SourceS3Uri": "s3://my-bucket",
       "OnCreate": "on_create_script.sh"
    },
    "KubernetesConfig": {
       "Labels": {
          "nvidia.com/mig.config": "all-1g.5gb"
       }
    },
    "ExecutionRole": "arn:aws:iam::account:role/execution-role",
    "ThreadsPerCore": 1
  }' \
  --vpc-config '{
     "SecurityGroupIds": ["sg-12345"],
     "Subnets": ["subnet-12345"]
  }' \
  --node-provisioning-mode Continuous

Utilizzo CloudFormation

{
  "ClusterName": "my-mig-cluster",
  "InstanceGroups": [
    {
      "InstanceGroupName": "gpu-group",
      "InstanceType": "ml.p4d.24xlarge",
      "InstanceCount": 1,
      "KubernetesConfig": {
        "Labels": {
          "nvidia.com/mig.config": "all-2g.10gb"
        }
      },
      "ExecutionRole": "arn:aws:iam::account:role/execution-role"
    }
  ],
  "Orchestrator": {
    "Eks": {
      "ClusterArn": "arn:aws:eks:region:account:cluster/cluster-name"
    }
  },
  "NodeProvisioningMode": "Continuous"
}

Aggiungere un operatore GPU a un cluster esistente

Installa GPU Operator

Sostituisci {$AWS_REGION} con la regione del tuo cluster (ad esempio, us-east-1, us-west-2).

helm install gpuo helm_chart/HyperPodHelmChart/charts/gpu-operator \
-f helm_chart/HyperPodHelmChart/charts/gpu-operator/regional-values/values-{$AWS_REGION}.yaml \
-n kube-system

Verifica l'installazione (attendi 2-3 minuti)

Controlla che tutti i pod degli operatori GPU siano in esecuzione:

kubectl get pods -n kube-system | grep -E "(gpu-operator|nvidia-)"

Baccelli previsti:

Rimuovi il vecchio plug-in del dispositivo

Disattiva il plugin nvidia-device-esistente:

helm upgrade dependencies helm_chart/HyperPodHelmChart \
--set nvidia-device-plugin.devicePlugin.enabled=false \
-n kube-system

Verifica le risorse della GPU

Verifica che i nodi mostrino la capacità della GPU. Dovrebbe visualizzare: nvidia. com/gpu: 8 (o il numero effettivo di GPU).

kubectl describe nodes | grep "nvidia.com/gpu"

Aggiornamento della configurazione MIG

Fase 1: Identifica i nodi nel gruppo di istanze

Innanzitutto, identifica tutti i nodi che appartengono al gruppo di istanze che desideri aggiornare:

# List all nodes in the instance group
kubectl get nodes -l sagemaker.amazonaws.com/instance-group-name=INSTANCE_GROUP_NAME

# Example:
kubectl get nodes -l sagemaker.amazonaws.com/instance-group-name=p4d-group

Questo comando restituisce un elenco di tutti i nodi nel gruppo di istanze specificato. Annota il nome di ogni nodo per i passaggi seguenti.

Passaggio 2: cordone e drenaggio di ciascun nodo

Per ogni nodo identificato nel passaggio 1, eseguire le seguenti azioni:

Cordona il nodo

Il cordonaggio impedisce la pianificazione di nuovi pod sul nodo:

# Cordon a single node
kubectl cordon NODE_NAME

# Example:
kubectl cordon hyperpod-i-014a41a7001adca60

Elimina i workload pod dal nodo

Svuota il nodo per eliminare tutti i pod del carico di lavoro preservando al contempo i pod di sistema:

# Drain the node (ignore DaemonSets and evict pods)
kubectl drain NODE_NAME \
  --ignore-daemonsets \
  --delete-emptydir-data \
  --force \
  --grace-period=300

# Example:
kubectl drain hyperpod-i-014a41a7001adca60 \
  --ignore-daemonsets \
  --delete-emptydir-data \
  --force \
  --grace-period=300

Spiegazione delle opzioni di comando:

Fase 3: verifica che nessun workload pod sia in esecuzione

Dopo il drenaggio, verifica che non rimanga alcun workload pod sui nodi (esclusi i namespace di sistema):

# Check for any remaining pods outside system namespaces
kubectl get pods --all-namespaces --field-selector spec.nodeName=NODE_NAME \
  | grep -v "kube-system" \
  | grep -v "cert-manager" \
  | grep -v "kubeflow" \
  | grep -v "hyperpod-inference-system" \
  | grep -v "kube-public" \
  | grep -v "mpi-operator" \
  | grep -v "gpu-operator" \
  | grep -v "aws-hyperpod" \
  | grep -v "jupyter-k8s-system" \
  | grep -v "hyperpod-observability" \
  | grep -v "kueue-system" \
  | grep -v "keda"

# Example:
kubectl get pods --all-namespaces --field-selector spec.nodeName=hyperpod-i-014a41a7001adca60 \
  | grep -v "kube-system" \
  | grep -v "cert-manager" \
  | grep -v "kubeflow" \
  | grep -v "hyperpod-inference-system" \
  | grep -v "kube-public" \
  | grep -v "mpi-operator" \
  | grep -v "gpu-operator" \
  | grep -v "aws-hyperpod" \
  | grep -v "jupyter-k8s-system" \
  | grep -v "hyperpod-observability" \
  | grep -v "kueue-system" \
  | grep -v "keda"

Risultato previsto: se il nodo è svuotato correttamente, questo comando non dovrebbe restituire alcun risultato (o mostrare solo la riga di intestazione). Se qualche pod è ancora in funzione, scopri perché non è stato sfrattato e cancellalo manualmente se necessario.

Fase 4: Verifica dello stato di idoneità del nodo

Prima di procedere con l'aggiornamento MIG, verificate che tutti i nodi siano isolati:

# Check node status - should show "SchedulingDisabled"
kubectl get nodes -l sagemaker.amazonaws.com/instance-group-name=INSTANCE_GROUP_NAME

I nodi devono essere visualizzati SchedulingDisabled nella colonna STATUS, a indicare che sono isolati e pronti per l'aggiornamento MIG.

Aggiorna il profilo MIG sul cluster esistente

È possibile modificare i profili MIG sui cluster esistenti:

aws sagemaker update-cluster \
  --cluster-name my-mig-cluster \
  --instance-groups '{
    "InstanceGroupName": "gpu-group",
    "InstanceType": "ml.p4d.24xlarge",
    "InstanceCount": 1,
    "KubernetesConfig": {
       "Labels": {
          "nvidia.com/mig.config": "all-3g.20gb"
       }
    },
    "ExecutionRole": "arn:aws:iam::account:role/execution-role"
  }'

Verifica della configurazione MIG

Dopo la creazione o l'aggiornamento del cluster, verifica la configurazione MIG:

# Update kubeconfig
aws eks update-kubeconfig --name your-eks-cluster --region us-east-2

# Check MIG labels
kubectl get node NODE_NAME -o=jsonpath='{.metadata.labels}' | grep mig

# Check available MIG resources
kubectl describe node NODE_NAME | grep -A 10 "Allocatable:"

Comandi comuni per il debug della configurazione MIG

Usa i seguenti comandi per risolvere i problemi e convalidare la configurazione MIG nel tuo cluster:

# Check GPU Operator status
kubectl get pods -n gpu-operator-resources

# View MIG configuration
kubectl exec -n gpu-operator-resources nvidia-driver-XXXXX -- nvidia-smi mig -lgi

# Check device plugin configuration
kubectl logs -n gpu-operator-resources nvidia-device-plugin-XXXXX

# Monitor node events
kubectl get events --field-selector involvedObject.name=NODE_NAME

Utilizzo di SageMaker AI Console

Creazione di un nuovo cluster con MIG

Aggiornamento della configurazione MIG su un cluster esistente