谷歌發布：Kubernetes引擎中的GPU發布beta版

去年，我們推出了首款針對Google Kubernetes Engine的GPU alpha產品，使用NVIDIA Tesla GPU，並獲得了驚人的客戶響應。今天，Kubernetes引擎中的GPU處於beta階段，並且可以在最新的Kubernetes Engine版本中廣泛使用。

在Kubernetes Engine中使用GPU可以增強計算密集型應用，如機器學習（ML），圖像處理和財務建模。 通過將CUDA工作負載打包到容器中，無論何時需要，都可以從Kubernetes Engine GPU的強大處理能力中受益，而無需管理硬體甚至虛擬機。

憑藉其一流的CPU，GPU和現在的TPU，Google Cloud為在雲中運行ML工作負載提供了最佳選擇，靈活性和性能。 例如，搭乘共享先驅Lyft使用Kubernetes Engine中的GPU來加速其深度學習模型的訓練。

GKE集群非常適合深度學習工作負載，具有開箱即用的GPU集成，針對尖端培訓工作負載的自動縮放集群以及集成的容器記錄和監控。「

- Lyft工程副總裁Luc Vincent

NVIDIA（英偉達）Tesla P100和K80 GPU作為beta版本的一部分提供，並且V100即將問世。 最近，我們還推出了可搶佔式GPU以及新的更低價格，為你解開新的機遇。

在Kubernetes引擎中開始使用GPU

使用Kubernetes Engine中的GPU創建集群非常簡單。 從雲控制台，可以在「創建Kubernetes群集」頁面上展開機器類型，以選擇GPU的類型和數量。

如果想要將具有GPU的節點添加到現有集群中，則可以使用節點池和集群Autoscaler功能。通過在GPU中使用節點池，群集可以在需要時使用GPU。與此同時，Autoscaler可以在請求GPU的pods被調度時自動創建具有GPU的節點，並且當GPU不再被任何活動的pod消耗時，縮小到零。

以下命令使用GPU創建一個節點池，最多可擴展到五個節點，最少可擴展到零個節點。

在後台，Kubernetes引擎應用了taint 和 toleration技術，以確保只有GPU請求的GPU才會在具有GPU的節點上進行調度，並防止不需要GPU的GPU運行。

儘管Kubernetes Engine為你後台做了很多事情，但我們也希望你了解GPU作業的表現如何。 Kubernetes Engine公開了使用GPU的容器度量標準，例如GPU的繁忙程度，可用的內存量以及分配的內存量。還可以使用Stackdriver來查看這些指標。

有關使用GPU的Kubernetes引擎的更詳細的解釋，例如安裝NVIDIA驅動程序以及如何配置一個pod以使用GPU，請查看文檔。

用Kubernetes解決新的工作負載

2017年，Kubernetes Engine核心工作時間同比增長9倍，並且該平台作為ML工作負載的首要部署平台獲得了巨大的發展動力。對於像Kubeflow這樣的開源項目，我們感到非常興奮，它使得它在Kubernetes中運行ML堆棧變得簡單，快速和可擴展。我們希望這些開源ML項目和GPU在Kubernetes Engine中的結合將幫助您在商業，工程和科學領域進行創新。

今天就嘗試

要開始使用帶有Kubernetes Engine的GPU，使用我們免費試用的300美元積分，需要升級你的帳戶並申請GPU配額才能生效。

感謝你在制定我們的路線圖方面提供支持和反饋，以更好地滿足您的需求。保持對話進行，並在Kubernetes引擎頻道與我們聯繫。

https://cloudplatform.googleblog.com/2018/02/accelerate-highly-parallelized-compute-tasks-with-GPUs-in-Kubernetes-Engine.html

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！