摘要: Kubernetes的生态地位已经确立,可扩展性将是其发力的主战场。异构计算作为非常重要的新战场,Kubernetes非常重视。而异构计算需要强大的计算力和高性能网络,需要提供一种统一的方式与GPU、FPGA、NIC、InfiniBand等高性能硬件集成。
**点此查看原文:http://click.aliyun.com/m/43607/**
**Kubernetes的Device Plugin设计解读**
最近在调研Kubernetes的GPU调度和运行机制,发现传统的`alpha.kubernetes.io/nvidia-gpu`即将在1.11版本中下线,和GPU相关的调度和部署的代码将彻底从主干代码中移除。
取而代之的是通过[Extended Resource](https://kubernetes.io/docs/concepts/configuration/manage-compute-resources-container/?spm=a2c4e.11153959.blogcont498185.11.3ae63614DyRbdI#extended-resources)+[Device Plugin](https://kubernetes.io/docs/concepts/cluster-administration/device-plugins/?spm=a2c4e.11153959.blogcont498185.12.3ae63614d0bt9c)两个Kubernetes的内置模块,外加由设备提供商实现的相应Device Plugin, 完成从设备的集群级别调度至工作节点,到设备与容器的实际绑定。
首先思考的第一个问题是为什么进入`alpha.kubernetes.io/nvidia-gpu`主干一年之久的GPU功能彻底移除?
1.OutOfTree是Kubernetes一个很好的理念,之前的Cloud Provider的重构也是类似的工作。对于Kubernetes来说,不做瑞士军刀,专注于自身核心和通用能力,而将像GPU,InfiniBand,FPGA和公共云能力的工作完全交给社区和领域专家。这样一方面可以降低软件自身使用的复杂度,减小稳定性风险,另外OutOfTree分开迭代也能够更灵活实现的功能升级。
2.而开放的软件架构设计和标准也调动了社区参与的积极性,而活跃的社区其实是Kubernetes打赢容器调度框架之战的核心法宝。
先来简要介绍一下kubernetes这两个模块:
[Extended Resource](https://kubernetes.io/docs/tasks/administer-cluster/extended-resource-node/?spm=a2c4e.11153959.blogcont498185.13.3ae63614k28q3e): 一种自定义资源扩展的方式,将资源的名称和总数量上报给API server,而Scheduler则根据使用该资源pod的创建和删除,做资源可用量的加减法,进而在调度时刻判断是否有满足资源条件的节点。目前这里的Extended Resource的增加和减少单元必须是整数,比如你可以分配1个GPU,但是不能分配0.5个GPU。该功能由于只是替代了[Opaque integer resources](https://github.com/rootsongjc/kubernetes.github.io/blob/master/docs/tasks/configure-pod-container/opaque-integer-resource.md?spm=a2c4e.11153959.blogcont498185.14.3ae636144hriJ9&file=opaque-integer-resource.md),做了些更名的工作,所以在1.8已经是稳定的状态了。但是当integer这个关键词被移除,也引发我们的想象,未来会不会有0.5存在的可能性?
[Device Plugin](https://kubernetes.io/docs/concepts/cluster-administration/device-plugins/?spm=a2c4e.11153959.blogcont498185.15.3ae63614Bg2zWO):通过提供通用设备插件机制和标准的设备API接口。这样设备厂商只需要实现相应的API接口,无需修改Kubelet主干代码,就可以实现支持GPU、FPGA、高性能 NIC、InfiniBand 等各种设备的扩展。该能力在Kubernetes 1.8和1.9版本处于Alpha版本,在1.10会进入Beta版本。
应该说这个功能目前还比较新,需要通过feature gate打开, 即配置 --feature-gates=DevicePlugins=true
**Device Plugin的设计:**
**API设计:**
实际上Device plugins实际上是简单的grpc server,需要实现以下两个方法 ListAndWatch和Allocate,并监听在/var/lib/kubelet/device-plugins/目录下的Unix Socket,比如/var/lib/kubelet/device-plugins/nvidia.sock
```
service DevicePlugin {
// returns a stream of []Device
rpc ListAndWatch(Empty) returns (stream ListAndWatchResponse) {}
rpc Allocate(AllocateRequest) returns (AllocateResponse) {}
}
```
其中:
ListAndWatch: Kubelet会调用该API做设备发现和状态更新(比如设备变得不健康)
Allocate: 当Kubelet创建要使用该设备的容器时, Kubelet会调用该API执行设备相应的操作并且通知Kubelet初始化容器所需的device,volume和环境变量的配置。
**插件生命周期管理:**
1.插件启动时,以grpc的形式通过/var/lib/kubelet/device-plugins/kubelet.sock向Kubelet注册,同时提供插件的监听Unix Socket,API版本号和设备名称(比如nvidia.com/gpu)。Kubelet将会把这些设备暴露到Node状态中,以Extended Resource的要求发送到API server中,后续Scheduler会根据这些信息进行调度。
2.插件启动后,Kubelet会建立一个到插件的listAndWatch长连接,当插件检测到某个设备不健康的时候,就会主动通知Kubelet。此时如果这个设备处于空闲状态,Kubelet就会将其挪出可分配列表;如果该设备已经被某个pod使用,Kubelet就会将该Pod杀掉
3.插件启动后可以利用Kubelet的socket持续检查Kubelet的状态,如果Kubelet重启,插件也会相应的重启,并且重新向Kubelet注册自己
![图片描述](http://img.blog.csdn.net/20180312160400891?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQveXVucWlpbnNpZ2h0/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
**部署方式**
一般可以支持daemonset和非容器化的部署,目前官方推荐使用deamonset部署。
**实现样例**
**Nvidia 的官方GPU插件**
NVIDIA 提供了一个基于 Device Plugins 接口的 GPU 设备插件[NVIDIA/k8s-device-plugin](https://github.com/NVIDIA/k8s-device-plugin?spm=a2c4e.11153959.blogcont498185.16.3ae63614urFmKd), 从用户角度变得更加简单了。比起传统的alpha.kubernetes.io/nvidia-gpu, 不再需要使用volumes指定CUDA需要使用的库。
```
apiVersion: apps/v1
kind: Deployment
metadata:
name: tf-notebook
labels:
app: tf-notebook
spec:
template: # define the pods specifications
metadata:
labels:
app: tf-notebook
spec:
containers:
- name: tf-notebook
image: tensorflow/tensorflow:1.4.1-gpu-py3
resources:
limits:
nvidia.com/gpu: 1
```
**Google GCP GPU插件**
GCP也提供了一个GPU设备插件实现,但是只支持运行在Google Container Engine的平台上,可以通过[container-engine-accelerators](https://github.com/GoogleCloudPlatform/container-engine-accelerators?spm=a2c4e.11153959.blogcont498185.17.3ae63614AScx4J)了解
**Solarflare NIC 插件**
网卡造商Solarflare也实现了自己的设备插件[sfc-device-plugin](https://github.com/vikaschoudhary16/sfc-device-plugin?spm=a2c4e.11153959.blogcont498185.18.3ae636143Z1aEK), 可以通过[demo](https://asciinema.org/a/UyzMDcSHB42eWrP0soiwPyhEM?spm=a2c4e.11153959.blogcont498185.19.3ae63614rl2BkS)体验用户感受。
**总结**
Kubernetes的生态地位已经确立,可扩展性将是其发力的主战场。异构计算作为非常重要的新战场,Kubernetes非常重视。而异构计算需要强大的计算力和高性能网络,需要提供一种统一的方式与GPU、FPGA、NIC、InfiniBand等高性能硬件集成。而Device Plugin是Kubernetes给出的答案,还是非常简单优雅的,虽然还在演进之中,但是未来可期。阿里云容器服务随后也会推出基于device plugin的Kubernetes GPU 1.9.3集群,敬请期待。
**识别以下二维码,阅读更多干货:**
![图片描述](http://img.blog.csdn.net/20180312161216266?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQveXVucWlpbnNpZ2h0/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
有疑问加站长微信联系(非本文作者)