GPU Container as a Service を実現するための最新OSS徹底比較

Copyright © NTT Communications Corporation.
Transform your business, transcend expectations with our technologically advanced solutions.
GPU Container as a Service を
実現するための最新OSS徹底比較
張暁晶・角田佳史
松本赳明・原田和明

1
自己紹介
角田　佳史
Yoshifumi Sumida
y.sumida@ntt.com
技術開発部
ソフトウェアエンジニア
興味：IaaS、コンテナ
張　暁晶
Xiaojing Zhang
xiaojing.zhang@ntt.com
技術開発部
ソフトウェアエンジニア
興味：ソフトウェア工学、
ヘテロジニアスなクラウド

2
Agenda
1. 背景＆目的
2. GPU環境の望ましい要件
3. コンテナ技術関連の各種OSSツール比較
4. OpenStack連携によるマルチテナントの実現
5. GPU Container as a Service つくってみた

3
Agenda
1. 背景＆目的

● AI、機械学習、ビッグデータ解析
○ 高速な計算資源としてGPUが幅広く活用されている
● NTTコミュニケーションズでも注目
○ AI エンジン“COTOHA”、三井化学様における品質予測事例、など
http://www.ntt.com/business/services/application/ai/cotoha.html
http://www.ntt.com/about-us/press-releases/news/article/2016/20160915.html
○ GPUを用いた学習・検証に対する社内ニーズの高まり
4
背景

● 高速な並列データ処理が可能なGPUの需要がある
○ 学習や解析などのワークロードは非常に高負荷
● 一方でGPUの調達における予算や時間がネックになることも...
○ クラウドサービスを利用する事により解決出来る
○ 主要クラウドプロバイダは既にGPUインスタンスの提供を開始
■ Azure、AWS、GCP、Bluemix (Bare)
5
GPU利用のトレンド

Node 4
Node 3
Node 2
Node 1
6
目的
社内向けに検証環境として
GPU as a Service を提供する
GPU
GPU
GPU
GPUリソースの指定
GPUリソースの管理と
スケジューリング
GPU
GPU as a
Service

● クラウド基盤は OpenStack を利用
● VMインスタンスとしてGPUリソースを提供
○ VMにGPUを認識させるため、PCI Passthrough を利用
○ GPUリソースとして、3種類の NVIDIA製 GPU を利用
● 主に機械学習やディープラーニングなどに利用されている
7
社内プライベートクラウドでのGPU提供の現状

8
VMでのGPU提供の問題
1. 機械学習用の環境構築のユーザ負担が大きい
○ VM毎に適切なGPUデバイスドライバをインストールする必要がある
○ デバイスドライバ／CUDA／アプリ間でバージョン整合性を保つ必要がある
2. 特に処理が無い時でもGPUリソースが無駄に占有される
○ 社内向けの検証環境で提供可能なGPU数が少ないため
3. プロバイダ側でGPUデバイスを監視出来ない
○ GPUデバイスを VM へ Passthrough しているため

1. ユーザの環境構築が容易
2. GPUリソースを使用後に迅速に解放出来る
3. GPUリソースの使用状況を監視出来る
9
コンテナ技術による問題解決
GPU as a Service 実現のためコンテナ技術を活用

10
コンテナ技術とは
INFRASTRUCTURE INFRASTRUCTURE
HOST OSHOST OS
HYPERVISOR CONTAINER ENGINE
GUEST OS
APP
BIN/LIBS BIN/LIBS
APPS APPS
ハイパーバイザ型仮想化コンテナ型仮想化
● VMと比較して軽量
● リソースを迅速に解放可能
● ホスト所有のデバイスを利用
VM
CONTAINER
BIN/LIBS
GUEST OS
APP
BIN/LIBS

11
Agenda
1. 背景＆目的

● As a Service として利用できる
○ 即時に利用可能・マルチテナント対応
● GPU環境のデプロイが容易である
○ GPU数など幾つかの事項を指定するのみで良い
○ コンテナ技術でデファクトスタンダードのDockerが利用できる
12
GPU as a Service の要件　~ユーザ側~
GPU
node
User
GaaS
GPU数を指定 Dockerコンテナ作成

13
● GPU搭載サーバをクラスタとして管理できる
○ PoC上のGPUクラスタは以下の NVIDIA製 GPU を利用している
● Tesla K2, Tesla K10, Tesla P100
● コンテナ間で GPU の分離ができる
GPU as a Service の要件　~プロバイダ側~ 1/2
GPU
複数GPUの割り当て
GPU
GPUの分離
GPU
GPU

● 効率的にGPUリソースを扱う事が出来る
○ コンテナのライフサイクルをタスクの種別毎に分類
14
GPU as a Service の要件　~プロバイダ側~ 2/2
Temporary Batch task
● タスクを一度だけ実行, e.g. training task
● タスク終了後にコンテナ停止, GPUを解放
Long running Service task
● ウェブサービス, e.g. Jupyter Notebook
● コンテナの停止までGPUは解放されない
User
タスクの種類を指定

15
Agenda
1. 背景＆目的

16
前提知識
GPUコンテナを実現するための要素技術
Docker Nvidia Docker

● Docker 社によるコンテナ管理プラットフォーム
○ 簡単なコマンドでアプリケーション環境をデプロイ出来る
$ docker run image_name -p 80:80
● コンテナ毎に個々のデバイスを分離出来る
● ユーザが自身で用意したイメージを利用出来る
○ アプリの実行に必要なライブラリ等を纏めたもの
17
Docker

18
Nvidia Docker
● DockerからGPUを扱う事を容易にする為のツール
○ コンテナへGPUリソースを割り当てる事が出来る
$ NV_GPU=0,1 nvidia-docker run nvidia/cuda nvidia-smi
● Deep Learning 用のイメージが公式で提供されている
○ nvidia/cuda など
○ CUDA Toolkit (SDK) を包含

Host
ContainerVM
19
Docker / Nvidia Docker の利点 1/2
自動マウント
コンテナ化
Nvidia Driver
Applic
ations
CUDA Toolkit (SDK)
Container
Applicati
ons
CUDA
Toolkit
(SDK)
nvidia-kernel-module
Nvidia
Driver
Nvidia Driver
イメージ化
Applic
ations
Appli
catio
ns
Dockerイメー
ジおよび
NvidiaDocker
の自動マウント
機能により
バージョン不整
合を解決
Host
Nvidia Driverなし
バージョンが整
合してないとア
プリが正常動作
しない
Nvidia
Driver
Applicati
ons
CUDA
Toolkit
(SDK)

Host
ContainerVM
20
Docker / Nvidia Docker の利点 2/2
コンテナ化
Nvidia Driver
Applic
ations
CUDA Toolkit (SDK)
Container
Applicati
ons
CUDA
Toolkit
(SDK)
nvidia-kernel-module
Nvidia
Driver
Nvidia Driver
Applic
ations
Appli
catio
ns
Host
Nvidia Driverなし
Nvidia
Driver
GPU
GPU GPU
Applicati
ons
CUDA
Toolkit
(SDK)
ホストにNVIDIA
Driverがないた
め監視が難しい
通常通り
NVIDIA
Management
Library (NVML)
を利用してGPU
を監視可

• サービス提供の為に COE (Container Orchestration Engine) が必要
– GPU サーバ群をクラスタとして管理・提供する必要がある
– 効率的にGPUリソースを提供す必要がある
21
コンテナ関連OSSツールの比較
GPU as a Service の適切な実現手段となる
様々なコンテナ関連OSSツールの調査・検証を実施
OpenStack
Zun
Docker Swarm /
Swarm Mode
Apache Mesos Kubernetes

22
コンテナ関連OSSツールの検証項目
検証項目を以下のように設定
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
DockerSwarm
/ SwarmMode
mesos
Kubernetes

23
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
DockerSwarm
/ SwarmMode
mesos
Kubernetes
・ユーザが自身でGPU数を指定可能
・複数GPUをコンテナへ割り当て可能

24
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
DockerSwarm
/ SwarmMode
mesos
Kubernetes
・各コンテナへ異なるGPUを割り当て可能
・ビジーなGPUは他コンテナへ割り当て不可

25
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
DockerSwarm
/ SwarmMode
mesos
Kubernetes
・コンテナ内部のプロセスが停止時に
　自動的にコンテナが停止する

• OpenStack 上でコンテナを管理するためのツール
• OpenStack内部で基本的なコンテナの制御 (i.e. CRUD) のみ提供
26
OpenStack Zun
Zun の
マスコットキャラクタ

● GPUリソースがサポートされていない
○ Docker に “CpuShares” and “Memory” パラメータのみ渡す事が可能
○ GPU対応の話題がコミュニティ側で挙がっていない
27
OpenStack Zun
OpenStack Zun は Dockerサポート以外の
要件を満たしていない

28
OpenStack Zun の検証結果
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
✗ ✗ ✗ ✔ ✗
DockerSwarm
/ SwarmMode
mesos
Kubernetes

Docker Swarm / swarm mode
29
● Docker ネイティブなクラスタ管理ツール
● Dockerが展開されたマシン複数台から簡単にクラスタを構築出来る
● Docker v1.12 以上でDockerに標準で組み込まれている
Internal Distributed State Store
Manager
(follower)
Manager
(leader)
Manager
(follower)
Worker Worker Worker Worker Worker Worker

30
Docker Swarm / swarm mode
● Docker Swarm は GPU をサポートしていない
○ 現在もGPU対応が Docker Project において進められている
■ https://github.com/docker/docker/issues/23917
● Nvidia Docker も同様にサポートされていない
○ GPUコンテナに必要なライブラリ群をマウント出来ない
Docker Swarm / swarm mode は
“GPUクラスタ管理” を満たしていない

31
Docker Swarm / Swarm Mode の検証結果
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
✗ ✗ ✗ ✔ ✗
DockerSwarm
/ SwarmMode ✗ ✗ ✗ ✔ ✗
mesos
Kubernetes

32
Mesos
● Apacheソフトウェア財団によるクラスタ管理ツール
● 効率的かつ動的なリソースの分配や共有が可能
● 分散アプリケーションやフレームワークを Mesos Master が制御
○ e.g. Marathon, Chronos, Hadoop...

33
● Mesos の GPU サポート状況
○ Mesos v1.0.0 以上で Nvidia GPU に対応している
○ CPU や Memoryと同様に GPU も管理する事が出来る
Mesos

34
Mesos
Task Type Frameworks GPU + Mesos GPU + Docker
Batch
Chronos ✗ N/A
Metronome ✗ N/A
Service
Aurona ✔ ✗
Marathon ✔ ✗
Mesos フレームワークは二種類のコンテナを扱う事が可能
- Mesos コンテナ・Docker コンテナ

35
Apache Mesos の検証結果
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
✗ ✗ ✗ ✔ ✗
DockerSwarm
mesos
✔ ✔ ✔ ✗ ✔
Kubernetes

36
Kubernetes
● Google による Container Orchestration Engine (COE)
● コンテナのクラスタリング・オートスケーリング等の様々な機能を提供
● コミュニティも活発で頻繁に議論や機能の開発が行われている

● コンテナは Pod と呼ばれる単位で管理される
○ Podは単一もしくは複数のコンテナで構成される
○ Pod単位で CRUD 等の様々な処理が行われる
タスク種別毎の Pod 管理方法
37
Kubernetes
Node A
Pod A Pod B Service Task : Pod, ReplicaSet
Deployment など
Batch Task : Job など

● コンテナの CRUD 管理はマニフェストファイルで行う
○ Pod 及び Pod 内のコンテナの情報を定義する
■ Podの管理方法 (Kind)
■ コンテナ・コンテナイメージ名など
○ yaml・jsonの各種形式で定義可能
○ CLI (kubectl) や WebUI から利用可能
38
Kubernetes
apiVersion: v1
kind: Pod
metadata:
name: nginx
spec:
conatiners:
- name: nginx
image: nginx
ports:
- containerPort: 80
User
Master
Node
Pod
Minion
NodeManifest

● KubernetesのGPUサポート状況
○ v1.3.x から試験的にGPUスケジューリングが導入された
■ GPU as a Service の要件を満たしていない
● 複数GPUが割り当て出来ない
● GPUの分離が出来ない
○ v1.6 以上で Alpha 版として GPUスケジューリングをサポート
■ GPUスケジューリングの機能が改善された
● v1.3.x ~ v1.5.x までの問題が解決されている
■ 自動的にノード上のGPU数を検出できる
39
Kubernetes
v1.6系を利用

● コンテナ間でGPUの分離が可能
41
Kubernetes

● バッチタスクに対応
42
Kubernetes
apiVersion: batch/v1
kind: Job
...
limits:
alpha.Kubernetes.io/nvidia-gpu: 2
requests:
alpha.Kubernetes.io/nviida-gpu: 2
　...
　command: [“/bin/bash”, “-c”]
args: [“nvidia-smi”]
...
タスクの種類をマニフェスト内で定義 Podの情報 (起動時)
$ kubectl get pods -a -o wide
NAME READY STATUS RESTARTS AGE
nbody-swsdj 0/1 Completed 0 2m
$ kubectl get jobs
NAME DESIRED SUCCESSFUL AGE
nbody 1 1 2m
$ kubectl get pods
NAME READY STATUS RESTARTS AGE
nbody-swsdj 1/1 Running 0 5s
$ kubectl get jobs
NAME DESIRED SUCCESSFUL AGE
nbody 1 0 7s
Podの情報 (終了時)

43
検証結果
GPUクラスタ
管理
GPUの指定
複数割り当て
GPUの分離
Docker
サポート
バッチタスク
実行可能か
OpenStackZun
✗ ✗ ✗ ✔ ✗
DockerSwarm
mesos
✔ ✔ ✔ ✗ ✔
Kubernetes
✔ ✔ ✔ ✔ ✔

44
Agenda
1. 背景＆目的

Kubernetes でのマルチテナント実現手法は 2種類ある
　方法1．OpenStack のテナントごとにk8sをデプロイする
- 1-1 OpenStack Magnumでデプロイ
- 1-2 OpenStack Heatでデプロイ
　方法2．Kubernetes の認証・認可に OpenStack Keystone を用いる
45
Kubernetes を用いたマルチテナントの実現
OpenStack
Tenant A
k8s
Tenant B
k8s
OpenStack
Tenant A
Tenant B
Kubernetes
NamespaceA
NamespaceB
方法1 方法2

● OpenStack 上で COE のクラスタ環境を簡単に構築してくれるコンポーネント
○ Kubernetes や Mesos などに対応している
● OpenStack 環境内に Kubernetes クラスタの構築が可能
○ OpenStack Cinder や Octavia (LBaaS) 等と連携出来る
○ 後から容易に Minion Node 数を増減出来る
46
方法1-1 Magnum
Tenant A
Magnum
API
Tenant B

47
• GPU 対応の k8s 1.6 はサポートされていない
– 現在の Magnum の k8s 対応状況
Minion Node 構築用のOSイメージにより異なる
• [Fedora Atomic]: k8s 1.5.3　[CoreOS]: k8s 1.5.2
• 公式サポートのイメージに Nvidia Driver が含まれていない
– GPU対応には独自 OS イメージの作成が必要になる
• 独自設定で k8s 1.6 が利用出来るかを検証を行った
– ユーザ側で書き換える事が出来ない内部の設定ファイルを変更
• 現在の Magnum では構築出来ない
• k8s 1.6 と Magnum が認証連携出来ない
方法1-1 Magnum

• OpenStack 上でオーケストレーションを行うコンポーネント
– Heat Template に基づいて VM や NW などを構築出来る
– k8s が公式メンテナンスしている Heat Template がある
• k8s 1.6 向けのテンプレートが存在するが ...
• ユーザ自身が柔軟なクラスタ環境を構築出来る
– ユーザ側で Heat Template を直接編集出来る
• Heat Template を編集する事で Nvidia Driver のインストール自動化も可能
• k8s 1.6 を構築可能か検証を行った
– 現在の OpenStack Heat では構築出来ない
• 必要な各種ファイルの設定や配置が適切でない
48
方法1-1 Heat

方法2 Keystone 連携
● 認証処理について
○ Kubernetes のユーザ認証を Keystone へ委譲出来る
○ OpenStackの既存ユーザを用いた認証が可能
● 認可処理について
○ OpenStack のテナントと Namespace の対応付けの設定が必要
■ Kubernetes は Namespace と呼ばれるテナント分離の仕組みがある
■ Kubernetes の認可の仕組み (RBACやABAC) を利用する
○ Keystone のみで認可を実現することは現状出来ない
■ https://github.com/Kubernetes/Kubernetes/pull/25624
49

マルチテナント実現手法の比較
● k8s 1.6 対応の Heat 及び Keystone の2手法を以下の観点で比較し、
検証環境における適切なマルチテナント実現方法を選択する
○ GPUリソースの分離
○ プロバイダ視点でのGPU監視
○ コンテナ配備先の分離
○ ネットワークの分離
○ OpenStack 上のVMとの通信
50

GPUリソース
の分離
プロバイダ視点
GPUの監視
コンテナ
配備先の分離
ネットワークの
分離
OpenStack
VMとの通信
方法１
OpenStackの
テナントごとに
k8sを展開
テナント単位困難テナント単位
テナント単位
(VXLAN,
GRE…)
Tenant
Network 内
方法２
k8s
認証/認可に
Keystone
全テナント
共有
可能全テナント
共有
全テナント
共有
(Flat +
Iptables)
Floating IP
経由
51
マルチテナント実現手法の比較
● GPUリソースをなるべく全体で共有したい
● GPUリソースをプロバイダ側で監視したい
● 厳密にNW等が分離されている必要がない
➡ 方法2を選択
今回の検証環境の要件

52
Agenda
1. 背景＆目的

複数台のGPU搭載サーバで Kubernetes のクラスタを組んでいる
53
検証環境の概念図
Minion Node1
Deploy/Manage Pods
ユーザ
GPU x 8
(Tesla P100)
Minion Node2
GPU x 4
(Tesla GRID K2)
Minion Node3
GPU x 2
(Tesla K10)
Minion Node4
GPU x 2
(Tesla K10)
OpenStack Env
Keystone
Keystone 連携による
マルチテナントの実現Master
Node

54
Demo
Kubernetes 上で Digits (GPU) を実行してみた

● 各ノード上でのGPUコンテナの有効化
1. Nvidia Driver のインストール
■ http://www.nvidia.co.jp/Download/index.aspx?lang=jp
2. Nvidia docker のインストール
■ https://github.com/NVIDIA/nvidia-docker
3. Kubernetes 環境の構築
■ kubelet の起動時に以下のパラメータを付与する
■ --feature-gates=Accelerators=true
55
GPUクラスタの構築と管理　〜構築〜　1/3

● ユーザが指定のGPUを選択可能にする
○ 該当ノードにラベル (GPU名) を設定する
■ PoC環境では, GPUの種類に応じて`p100`,`k2` , `k10` を指定可能
$ kubectl label nodes <nodeName> gputype=p100
○ ユーザはマニフェストで需要に見合ったGPUラベル名を指定
nodeSelector.gputype: p100
56
Pod
Minion Node 1
LABEL: p100
Tesla P100
Minion Node 2
LABEL: k2
Tesla K2
Minion Node 3
LABEL: k10
Tesla K10
•••
p100
Deploy

● Kubernetes と Keystone の連携
○ Kubernetes 側での設定
■ kube-apiserver へのパラメータ付与
--experimental-keystone-url
--experimental-keystone-cafile
○ OpenStack 側での設定
■ Keystone Endpoint の HTTPS 化
● リバースプロキシ等を活用する
○ 上記ののちに認可設定を Kubernetes で行う
■ Keystone に存在する既存ユーザへ Role の適用
57

● GPUリソースの監視
○ Kubernetes における GPU監視方法
■ Kubernetes に標準で実装されているGPUリソース監視機能
■ NVIDIAによって提供されている NVdia Management Library (NVML)
58
GPUクラスタの構築と運用　〜運用〜　1/3

● k8sではGPU数を監視できる機能が標準で備わっている
● 以下のコマンドで使用状況を見ることが可能
○ $ kubectl describe node
59
・利用可能なGPU数を正確に取得
　する事ができない
・どのコンテナがGPUを利用中
　かは分からない

● NVIDIAは NVdia Management Library (NVML) を提供している
○ 様々なGPUメトリクスを取得する事が可能
60
e.g.
nvml.util.gpu : GPU 利用率 (%)
nvml.mem.used : GPUの使用中メモリ量
nvml.temp : GPUの温度

61

62
まとめ
1. 背景＆目的

63
Special Thanks to...
• 横山智大
• 松下正樹
• 小倉真人
• Ankit Purohit
• 奥村昌和
• 逸見彰一郎

64
ご清聴ありがとうございました

GPU Container as a Service を実現するための最新OSS徹底比較

More Related Content

What's hot (20)

Similar to GPU Container as a Service を実現するための最新OSS徹底比較 (20)

More from NTT Communications Technology Development (20)

GPU Container as a Service を実現するための最新OSS徹底比較