2024AI异构计算集群调度与资源管理系统_第1页
2024AI异构计算集群调度与资源管理系统_第2页
2024AI异构计算集群调度与资源管理系统_第3页
2024AI异构计算集群调度与资源管理系统_第4页
2024AI异构计算集群调度与资源管理系统_第5页
已阅读5页,还剩41页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

enant)10GPU

提交TF

20GPU

100GPU

提交MXNetGPU本地GPU本地pythontrain.py--batch_size=256--GPU"jobName":"dataDir":"/tmp/data",

"taskRoles":"taskNumber":"taskNumber":"cpuNumber":"memoryMB":"gpuNumber":

"pythontrain.py--batch_size=256

Docker

Docker

DockerunionARGRUNapt-getupdate&&apt-getinstall-y--no-install-recommendsRUNcurl-o/opt/conda/bin/condainstall-y-cpytorchmagma-cuda100&&WORKDIRCOPY.WORKDIR/workspaceRUNchmod-Ra+w.PyorchDockerImagefilefilefilefilefilefile filefile file file fileImagelayerImagelayerImagebaseAUFSDLDLDLDLDLDLDLDLLinuxcontainersofoperatingsystem-virtualizationfortheLinuxoperatingcgroup,

RootPIDPIDPIDNamespacepid2(pidpid4(pidpid5(pidpid3(pidpid1(pidblack:Realblue:getid()togetthis控制组(Control控制计数CGOUPCGOUPCGOUPCGOUPCGOUPCGOUPCGOUPblockConfineprocessestoprocessorandmemorynodeForshowingprivateview(namespace)ofsystemtoprocessesinShareCPUbandwidthbetweenTheCPUAccounting(cpuacct)subsystemgeneratesautomaticreportsonCPUresourcesThememorycontrollersupportsreportingandlimitingofmemory,kernelmemory,andswapusedbyThissupportscontrollingwhichprocessesmaycreate(mknod)devicesaswellasopenthemforreadingorwriting.TheRDMAcontrollerpermitslimitingtheuseofRDMA/IB-resourcesperTheblkiocgroupcontrolsandlimitsaccesstospecifiedblockdevicesbyapplyingIOcontrolGPUNvidiaGPUNvidiaMPSNvidiaDocker#Testnvidia-smiwiththelatestofficialCUDA$dockerrun--gpusallnvidia/cuda:9.0-basenvidia-#StartaGPUenabledcontainerontwo$dockerrun--gpus2nvidia/cuda:9.0-basenvidia-#StartingaGPUenabledcontaineronspecific$dockerrun--gpus'"device=1,2"'nvidia/cuda:9.0-basenvidia-(GangDRF(DominantResourceFairness(Capacity利用率(UtilizationJobA JobB 目标:HighThroughput,HighUtilizationandShortResponseTimes

Node Node 无法启动,无法启动,JobA(Gang

JobA JobB

JobCAschedulingalgorithmforparallelsystemsthatschedulesrelatedthreadsorprocessestorunsimultaneouslyondifferentprocessors.

Node NodeGPUClusterGPUClusterJobJob14GB14GBJob22GB32GBCPU,Hostmemoryetc.),并且需要调度GPU及GPUmemoryClusterResources:[10GPU,20GBRAMDominantResourceFairness(smallestdominant定主导资源(dominantresource)基于最大最小公平(max-minfairness)的针对多资源类型(e.gGPU,CPU)的调

JobQueueJob14GB1QueueJob14GB14GBJob22GB32GBTotalMemory4+4=8GBMemoryShare=8/20=0.4SHARE=0.4[DominantresourceisJobTotalGPU2+3=5GPUGPUShare=5/10=TotalMemory2+2=4GBMemoryShare=4/20=0.2SHARE=0.5[DominantresourceisClusterResources:[10GPU,20GBJob1hashigherprioritythanJob2asJob1share0.4islessthanJob2share设计目标:Utilization,Fairnessand

UsedCapacityFreeUsedCapacityFreeCapacityUsedCapacityNofreeresources,jobcannotbe(CapacityMinCapacityMaxUserUserLimitFactor=VirtualQueueUserQueueUserLimitFactor=MinCapacityMaxCapacityUserLimitFactor:控制单用户的可以消耗的QueueQueueUserLimitFactor=MinCapacityMaxCapacity虚拟集群(Virtual8-GPU8-GPU

8-GPU

App2时分复用(Timeslicing)与超额订阅迁移Gandiva(early(cluster(cluster-levelTwoReactiveReactive作业到达(arrivals(departures),NodeswithsameNodeswith“noNodeswith“differentOversubscription:suspend-onsame“affinity”JobIntrospective早反馈(EarlytimeGPU软件栈对GPU状态备份,资源隔离做的不够完善,无法很好的支持时分复用(timeslicing),装箱PAIPAIPAIPAIPAIBigPAIDL利用K8s可扩展DeepManagedbyManagedbyManagedby模块化高效:细粒度GPU调度,鲁棒性云原生

VS(Code),

KubernetesKubernetesClusterDocker/Ope

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论