Menyajikan model terbuka Gemma menggunakan TPU di GKE dengan Saxml

Standard

Catatan: vLLM kini menjadi solusi yang direkomendasikan untuk menayangkan LLM di TPU dalam GKE. Untuk memulai, lihat Menyajikan LLM menggunakan TPU Trillium di GKE dengan vLLM.

Tutorial ini menunjukkan cara men-deploy dan menyajikan model bahasa besar (LLM) Gemma 2 menggunakan TPU di GKE dengan framework penayangan Saxml. Tutorial ini memberikan dasar untuk memahami dan menjelajahi deployment LLM praktis untuk inferensi di lingkungan Kubernetes terkelola. Anda men-deploy container bawaan dengan Saxml ke GKE. Anda juga mengonfigurasi GKE untuk memuat bobot Gemma 2B dan 7B dari Cloud Storage saat runtime.

Tutorial ini ditujukan untuk engineer Machine Learning (ML), Admin dan operator platform, serta spesialis Data dan AI yang tertarik untuk menggunakan kemampuan orkestrasi container Kubernetes dalam menayangkan LLM. Untuk mempelajari lebih lanjut peran umum dan contoh tugas yang kami referensikan dalam Google Cloud konten, lihat Peran dan tugas pengguna GKE umum.

Sebelum membaca halaman ini, pastikan Anda memahami hal-hal berikut:

• Ketersediaan versi TPU saat ini dengan arsitektur sistem Cloud TPU
• TPU di GKE

Jika Anda memerlukan platform AI terkelola terpadu untuk membangun dan menayangkan model ML dengan cepat dan hemat biaya, sebaiknya coba solusi deployment Vertex AI kami.

Latar belakang

Bagian ini menjelaskan teknologi utama yang digunakan dalam tutorial ini.

Gemma

Gemma adalah sekumpulan model AI generatif ringan yang tersedia secara terbuka dan dirilis dengan lisensi terbuka. Model AI ini tersedia untuk dijalankan di aplikasi, hardware, perangkat seluler, atau layanan yang dihosting. Anda dapat menggunakan model Gemma untuk pembuatan teks, dan Anda dapat menyesuaikan model ini untuk tugas khusus.

Untuk mempelajari lebih lanjut, lihat dokumentasi Gemma.

TPU

TPU adalah sirkuit terintegrasi khusus aplikasi (ASIC) yang dikembangkan khusus oleh Google dan digunakan untuk mempercepat framework pemrosesan data seperti TensorFlow, PyTorch, dan JAX.

Tutorial ini menyajikan model Gemma 2B dan Gemma 7B. GKE menghosting model ini di node pool TPU v5e host tunggal berikut:

• Gemma 2B: Model yang dioptimalkan untuk mengikuti perintah yang dihosting di node pool TPU v5e dengan topologi 1x1 yang merepresentasikan satu chip TPU. Jenis mesin untuk node adalah ct5lp-hightpu-1t.
• Gemma 7B: Model yang dioptimalkan untuk mengikuti perintah, dihosting di node pool TPU v5e dengan topologi 2x2 yang merepresentasikan empat chip TPU. Jenis mesin untuk node adalah ct5lp-hightpu-4t.

Saxml

Saxml adalah sistem eksperimental yang menyajikan model Paxml, JAX, dan PyTorch untuk inferensi. Sistem Saxml mencakup komponen berikut:

• Sel Saxml atau cluster Sax: Server admin dan grup server model. Server admin melacak server model, menetapkan model yang dipublikasikan ke server model untuk ditayangkan, dan membantu klien menemukan server model yang menayangkan model yang dipublikasikan tertentu.
• Klien Saxml: Antarmuka pemrograman yang menghadap pengguna untuk sistem Saxml. Klien Saxml mencakup alat command line (saxutil) dan serangkaian library klien di Python, C++, dan Go.

Dalam tutorial ini, Anda juga akan menggunakan server HTTP Saxml. Server HTTP Saxml adalah server HTTP kustom yang merangkum library klien Python Saxml dan mengekspos REST API untuk berinteraksi dengan sistem Saxml. REST API mencakup endpoint untuk memublikasikan, mencantumkan, membatalkan publikasi model, dan membuat prediksi.

Tujuan

1. Siapkan cluster GKE Standard dengan topologi TPU yang direkomendasikan berdasarkan karakteristik model.
2. Deploy komponen Saxml di GKE.
3. Dapatkan dan publikasikan model parameter Gemma 2B atau Gemma 7B.
4. Menyajikan dan berinteraksi dengan model yang dipublikasikan.

Arsitektur

Bagian ini menjelaskan arsitektur GKE yang digunakan dalam tutorial ini. Arsitekturnya terdiri dari cluster GKE Standard yang menyediakan TPU dan menghosting komponen Saxml untuk men-deploy dan menyajikan model Gemma 2B atau 7B. Diagram berikut menunjukkan komponen arsitektur ini:

Arsitektur ini mencakup komponen berikut:

• Cluster GKE Standard, zonal.
• Node pool slice TPU host tunggal yang bergantung pada model Gemma yang ingin Anda sajikan:
  • Gemma 2B: Dikonfigurasi dengan TPU v5e dengan topologi 1x1. Satu instance server Model Saxml dikonfigurasi untuk menggunakan kumpulan node ini.
  • Gemma 7B: Dikonfigurasi dengan TPU v5e dengan topologi 2x2. Satu instance server Model Saxml dikonfigurasi untuk menggunakan kumpulan node ini.
• Kumpulan node CPU default tempat server Admin Saxml dan server HTTP Saxml di-deploy.
• Dua bucket Cloud Storage:
  • Satu bucket Cloud Storage menyimpan status yang dikelola oleh server Admin.
  • Satu bucket Cloud Storage menyimpan checkpoint model Gemma.

Arsitektur ini memiliki karakteristik berikut:

• Artifact Registry publik mengelola image container untuk komponen Saxml.
• Cluster GKE menggunakan Workload Identity Federation for GKE. Semua komponen Saxml menggunakan Workload Identity Federation yang mengintegrasikan Akun Layanan IAM untuk mengakses Layanan eksternal seperti bucket Cloud Storage.
• Log yang dihasilkan oleh komponen Saxml diintegrasikan ke Cloud Logging.
• Anda dapat menggunakan Cloud Monitoring untuk menganalisis metrik performa node pool GKE, seperti yang dibuat dalam tutorial ini.

Sebelum memulai

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the required API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the required API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

• Make sure that you have the following role or roles on the project: roles/container.admin, roles/iam.serviceAccountAdmin, roles/iam.policyAdmin, roles/iam.securityAdmin, roles/iam.roleAdmin

  Check for the roles

  1. In the Google Cloud console, go to the IAM page.

     Go to IAM
  2. Select the project.

  3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

  4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

  Grant the roles

  1. In the Google Cloud console, go to the IAM page.

     Buka IAM
  2. Pilih project.
  3. Klik Grant access.

  4. Di kolom New principals, masukkan ID pengguna Anda. Biasanya, ini adalah alamat email untuk Akun Google.

  5. Klik Pilih peran, lalu telusuri peran.
  6. Untuk memberikan peran tambahan, klik Add another role, lalu tambahkan tiap peran tambahan.
  7. Klik Simpan.
  • Pastikan Anda memiliki kuota yang cukup untuk 5 chip TPU v5e. Dalam tutorial ini, Anda akan menggunakan instance sesuai permintaan.
  • Buat akun Kaggle, jika Anda belum memilikinya.

  Menyiapkan lingkungan untuk Gemma

  Meluncurkan Cloud Shell

  Dalam tutorial ini, Anda akan menggunakan Cloud Shell untuk mengelola resource yang dihosting di Google Cloud. Cloud Shell telah diinstal dengan software yang Anda perlukan untuk tutorial ini, termasuk kubectl dan gcloud CLI.

  1. Di konsol Google Cloud , mulai instance Cloud Shell:
     Open Cloud Shell

  2. Tetapkan variabel lingkungan default:

     gcloud config set project PROJECT_ID
     export PROJECT_ID=$(gcloud config get project)
     export LOCATION=LOCATION
     export CLUSTER_NAME=saxml-tpu
     

     Ganti nilai berikut:

     • PROJECT_ID: Project ID Anda. Google Cloud
     • LOCATION: Nama zona Compute Engine tempat jenis mesin TPU v5e tersedia.

  Membuat cluster Standar

  Di bagian ini, Anda akan membuat cluster GKE dan node pool.

  Gemma 2B-it

  Gunakan Cloud Shell untuk melakukan hal berikut:

  1. Buat cluster Standar yang menggunakan Workload Identity Federation for GKE:

     gcloud container clusters create ${CLUSTER_NAME} \
         --enable-ip-alias \
         --machine-type=e2-standard-4 \
         --num-nodes=2 \
         --release-channel=rapid \
         --workload-pool=${PROJECT_ID}.svc.id.goog \
         --location=${LOCATION}
     

     Pembuatan cluster dapat memerlukan waktu beberapa menit.

  2. Buat node pool TPU v5e dengan topologi 1x1 dan satu node:

     gcloud container node-pools create tpu-v5e-1x1 \
         --cluster=${CLUSTER_NAME} \
         --machine-type=ct5lp-hightpu-1t \
         --num-nodes=1 \
         --location=${LOCATION}
     

     Anda akan menyajikan model Gemma 2B di kumpulan node ini.

  Gemma 7B-it

  Gunakan Cloud Shell untuk melakukan hal berikut:

  1. Buat cluster Standar yang menggunakan Workload Identity Federation for GKE:

     gcloud container clusters create ${CLUSTER_NAME} \
         --enable-ip-alias \
         --machine-type=e2-standard-4 \
         --num-nodes=2 \
         --release-channel=rapid \
         --workload-pool=${PROJECT_ID}.svc.id.goog \
         --location=${LOCATION}
     

     Pembuatan cluster dapat memerlukan waktu beberapa menit.

  2. Buat node pool TPU v5e dengan topologi 2x2 dan satu node:

     gcloud container node-pools create tpu-v5e-2x2 \
         --cluster=${CLUSTER_NAME} \
         --machine-type=ct5lp-hightpu-4t \
         --num-nodes=1 \
         --location=${LOCATION}
     

     Anda akan menyajikan model Gemma 7B di kumpulan node ini.

  Membuat bucket Cloud Storage

  Buat dua bucket Cloud Storage untuk mengelola status server Admin Saxml dan checkpoint model.

  Di Cloud Shell, jalankan perintah berikut:

  1. Buat bucket Cloud Storage untuk menyimpan konfigurasi server Saxml Admin.

     gcloud storage buckets create gs://ADMIN_BUCKET_NAME
     

     Ganti ADMIN_BUCKET_NAME dengan nama bucket Cloud Storage yang menyimpan server Saxml Admin.

  2. Buat bucket Cloud Storage untuk menyimpan checkpoint model:

     gcloud storage buckets create gs://CHECKPOINTS_BUCKET_NAME
     

     Ganti CHECKPOINTS_BUCKET_NAME dengan nama bucket Cloud Storage yang menyimpan checkpoint model.

  Mengonfigurasi akses workload Anda menggunakan Workload Identity Federation for GKE

  Tetapkan ServiceAccount Kubernetes ke aplikasi dan konfigurasikan ServiceAccount Kubernetes tersebut agar bertindak sebagai akun layanan IAM.

  1. Konfigurasi kubectl untuk berkomunikasi dengan cluster Anda:

     gcloud container clusters get-credentials ${CLUSTER_NAME} --location=${LOCATION}
     

  2. Buat Akun Layanan Kubernetes yang akan digunakan untuk aplikasi Anda:

     gcloud iam service-accounts create wi-sax
     

  3. Tambahkan binding kebijakan IAM untuk akun layanan IAM Anda agar dapat membaca dan menulis di Cloud Storage:

     gcloud projects add-iam-policy-binding ${PROJECT_ID} \
         --member "serviceAccount:wi-sax@${PROJECT_ID}.iam.gserviceaccount.com" \
         --role roles/storage.objectUser
     
     gcloud projects add-iam-policy-binding ${PROJECT_ID} \
         --member "serviceAccount:wi-sax@${PROJECT_ID}.iam.gserviceaccount.com" \
         --role roles/storage.insightsCollectorService
     

  4. Izinkan ServiceAccount Kubernetes untuk meniru identitas akun layanan IAM dengan menambahkan binding kebijakan IAM antara kedua akun layanan tersebut. Dengan binding ini, ServiceAccount Kubernetes dapat bertindak sebagai akun layanan IAM:

     gcloud iam service-accounts add-iam-policy-binding wi-sax@${PROJECT_ID}.iam.gserviceaccount.com \
         --role roles/iam.workloadIdentityUser \
         --member "serviceAccount:${PROJECT_ID}.svc.id.goog[default/default]"
     

  5. Beri anotasi pada akun layanan Kubernetes dengan alamat email akun layanan IAM:

     kubectl annotate serviceaccount default \
         iam.gke.io/gcp-service-account=wi-sax@${PROJECT_ID}.iam.gserviceaccount.com
     

  Mendapatkan akses ke model

  Untuk mendapatkan akses ke model Gemma untuk deployment ke GKE, Anda harus login ke platform Kaggle, menandatangani perjanjian izin lisensi, dan mendapatkan token API Kaggle. Dalam tutorial ini, Anda akan menggunakan Secret Kubernetes untuk kredensial Kaggle.

  Menandatangani perjanjian izin lisensi

  Anda harus menandatangani perjanjian izin untuk menggunakan Gemma. Ikuti petunjuk berikut:

  1. Akses halaman izin model di Kaggle.com.
  2. Login ke Kaggle, jika Anda belum melakukannya.
  3. Klik Minta Akses.
  4. Di bagian Pilih Akun untuk Izin, pilih Verifikasi melalui Akun Kaggle untuk menggunakan akun Kaggle Anda dalam memberikan izin.
  5. Setujui Persyaratan dan Ketentuan model.

  Membuat token akses

  Untuk mengakses model melalui Kaggle, Anda memerlukan token Kaggle API.

  Ikuti langkah-langkah berikut untuk membuat token baru, jika Anda belum memilikinya:

  1. Di browser Anda, buka setelan Kaggle.
  2. Di bagian API, klik Create New Token.

  Kaggle mendownload file bernama kaggle.json.

  Mengupload token akses ke Cloud Shell

  Di Cloud Shell, Anda dapat mengupload token Kaggle API ke project Google Cloud Anda:

  1. Di Cloud Shell, klik More > Upload.
  2. Pilih File, lalu klik Pilih File.
  3. Buka file kaggle.json.
  4. Klik Upload.

  Buat Secret Kubernetes untuk kredensial Kaggle

  Di Cloud Shell, lakukan langkah-langkah berikut:

  1. Konfigurasi kubectl untuk berkomunikasi dengan cluster Anda:

     gcloud container clusters get-credentials ${CLUSTER_NAME} --location=${LOCATION}
     

  2. Buat Secret untuk menyimpan kredensial Kaggle:

     kubectl create secret generic kaggle-secret \
         --from-file=kaggle.json
     

  Men-deploy Saxml

  Di bagian ini, Anda akan men-deploy server admin Saxml, server model, dan server HTTP. Tutorial ini menggunakan manifes Deployment Kubernetes. Deployment adalah objek Kubernetes API yang memungkinkan Anda menjalankan beberapa replika Pod yang didistribusikan di antara node dalam cluster.

  Men-deploy server admin Saxml

  Di bagian ini, Anda akan men-deploy server admin Saxml.

  1. Buat manifes saxml-admin-server.yaml berikut:

     apiVersion: apps/v1
     kind: Deployment
     metadata:
       name: sax-admin-server
     spec:
       replicas: 1
       selector:
         matchLabels:
           app: sax-admin-server
       template:
         metadata:
           labels:
             app: sax-admin-server
         spec:
           hostNetwork: false
           containers:
           - name: sax-admin-server
             image: us-docker.pkg.dev/cloud-tpu-images/inference/sax-admin-server:v1.2.0
             securityContext:
               privileged: true
             ports:
             - containerPort: 10000
             env:
             - name: GSBUCKET
               value: ADMIN_BUCKET_NAME

     Ganti ADMIN_BUCKET_NAME dengan nama bucket yang Anda buat di bagian Membuat bucket Cloud Storage. Jangan sertakan awalan gs://.

  2. Terapkan manifes:

     kubectl apply -f saxml-admin-server.yaml
     

  3. Verifikasi deployment server admin:

     kubectl get deployment
     

     Outputnya akan terlihat mirip seperti berikut:

     NAME                              READY   UP-TO-DATE   AVAILABLE   AGE
     sax-admin-server                  1/1     1            1           ##s
     

  Men-deploy server model Saxml

  Ikuti petunjuk ini untuk men-deploy server model untuk model Gemma 2B atau Gemma 7B.

  Gemma 2B-it

  1. Buat manifes saxml-model-server-1x1.yaml berikut:

     apiVersion: apps/v1
     kind: Deployment
     metadata:
       name: sax-model-server-v5e-1x1
     spec:
       replicas: 1
       selector:
         matchLabels:
           app: gemma-server
       strategy:
         type: Recreate
       template:
         metadata:
           labels:
             app: gemma-server
             ai.gke.io/model: gemma-2b-it
             ai.gke.io/inference-server: saxml
             examples.ai.gke.io/source: user-guide
         spec:
           nodeSelector:
             cloud.google.com/gke-tpu-topology: 1x1
             cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
           hostNetwork: false
           restartPolicy: Always
           containers:
           - name: inference-server
             image: us-docker.pkg.dev/cloud-tpu-images/inference/sax-model-server:v1.2.0
             args:
             - "--jax_platforms=tpu"
             - "--platform_chip=tpuv5e"
             - "--platform_topology=1x1"
             - "--port=10001"
             - "--sax_cell=/sax/test"
             ports:
             - containerPort: 10001
             securityContext:
               privileged: true
             env:
             - name: SAX_ROOT
               value: "gs://ADMIN_BUCKET_NAME/sax-root"
             resources:
               requests:
                 google.com/tpu: 1
               limits:
                 google.com/tpu: 1

     Ganti ADMIN_BUCKET_NAME dengan nama bucket yang Anda buat di bagian Membuat bucket Cloud Storage. Jangan sertakan awalan gs://.

  2. Terapkan manifes:

     kubectl apply -f saxml-model-server-1x1.yaml
     

  3. Verifikasi status Deployment server model:

     kubectl get deployment
     

     Outputnya akan terlihat mirip seperti berikut:

     NAME                                              READY   STATUS    RESTARTS   AGE
     sax-admin-server                                  1/1     Running   0          ##m
     sax-model-server-v5e-1x1                          1/1     Running   0          ##s
     

  Berhasil: Anda telah men-deploy server model di node pool TPU v5e dengan slice 1x1 untuk menyajikan model Gemma 2B.

  Gemma 7B-it

  1. Buat manifes saxml-model-server-2x2.yaml berikut:

     apiVersion: apps/v1
     kind: Deployment
     metadata:
       name: sax-model-server-v5e-2x2
     spec:
       replicas: 1
       selector:
         matchLabels:
           app: gemma-server
       strategy:
         type: Recreate
       template:
         metadata:
           labels:
             app: gemma-server
             ai.gke.io/model: gemma-7b-it
             ai.gke.io/inference-server: saxml
             examples.ai.gke.io/source: user-guide
         spec:
           nodeSelector:
             cloud.google.com/gke-tpu-topology: 2x2
             cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
           hostNetwork: false
           restartPolicy: Always
           containers:
           - name: inference-server
             image: us-docker.pkg.dev/cloud-tpu-images/inference/sax-model-server:v1.2.0
             args:
             - "--jax_platforms=tpu"
             - "--platform_chip=tpuv5e"
             - "--platform_topology=2x2"
             - "--port=10001"
             - "--sax_cell=/sax/test"
             ports:
             - containerPort: 10001
             securityContext:
               privileged: true
             env:
             - name: SAX_ROOT
               value: "gs://ADMIN_BUCKET_NAME/sax-root"
             resources:
               requests:
                 google.com/tpu: 4
               limits:
                 google.com/tpu: 4

     Ganti ADMIN_BUCKET_NAME dengan nama bucket yang Anda buat di bagian Membuat bucket Cloud Storage. Jangan sertakan awalan gs://.

  2. Terapkan manifes:

     kubectl apply -f saxml-model-server-2x2.yaml
     

  3. Verifikasi status Deployment server model:

     kubectl get deployment
     

     Outputnya akan terlihat mirip seperti berikut:

     NAME                                              READY   STATUS    RESTARTS   AGE
     sax-admin-server                                  1/1     Running   0          ##m
     sax-model-server-v5e-2x2                          1/1     Running   0          ##s
     

  Berhasil: Anda telah men-deploy server model di node pool TPU v5e dengan 2x2 slice untuk menyajikan model Gemma 7B.

  Men-deploy server HTTP Saxml

  Di bagian ini, Anda akan men-deploy server HTTP Saxml dan membuat Layanan IP Cluster yang Anda gunakan untuk mengakses server.

  1. Buat manifes saxml-http.yaml berikut:

     apiVersion: apps/v1
     kind: Deployment
     metadata:
       name: sax-http
     spec:
       replicas: 1
       selector:
         matchLabels:
           app: sax-http
       template:
         metadata:
           labels:
             app: sax-http
         spec:
           hostNetwork: false
           containers:
           - name: sax-http
             image: us-docker.pkg.dev/cloud-tpu-images/inference/sax-http:v1.2.0
             imagePullPolicy: Always
             ports:
             - containerPort: 8888
             env:
             - name: SAX_ROOT
               value: "gs://ADMIN_BUCKET_NAME/sax-root"
     ---
     apiVersion: v1
     kind: Service
     metadata:
       name: sax-http-svc
     spec:
       selector:
         app: sax-http
       ports:
       - protocol: TCP
         port: 8888
         targetPort: 8888
       type: ClusterIP

     Ganti ADMIN_BUCKET_NAME dengan nama bucket Cloud Storage yang menyimpan server Saxml Admin.

  2. Terapkan manifes:

     kubectl apply -f saxml-http.yaml
     

  3. Verifikasi status deployment server HTTP Saxml:

     kubectl get deployment
     

     Gemma 2B-it

     Outputnya akan terlihat mirip seperti berikut:

     NAME                                              READY   STATUS    RESTARTS   AGE
     sax-admin-server                                  1/1     Running   0          ##m
     sax-model-server-v5e-1x1                          1/1     Running   0          ##m
     sax-http                                          1/1     Running   0          ##s
     

     Gemma 7B-it

     Outputnya akan terlihat mirip seperti berikut:

     NAME                                              READY   STATUS    RESTARTS   AGE
     sax-admin-server                                  1/1     Running   0          ##m
     sax-model-server-v5e-2x2                          1/1     Running   0          ##m
     sax-http                                          1/1     Running   0          ##s
     

  Download checkpoint model

  Di bagian ini, Anda akan menjalankan Job Kubernetes yang mengambil, mendownload, dan menyimpan checkpoint model. Pengontrol Tugas di Kubernetes membuat satu atau beberapa Pod dan memastikan bahwa Pod tersebut berhasil menjalankan tugas tertentu.

  Ikuti langkah-langkah untuk model Gemma yang ingin Anda gunakan:

  Gemma 2B-it

  1. Buat manifes job-2b.yaml berikut:

     apiVersion: v1
     kind: ConfigMap
     metadata:
       name: fetch-model-scripts
     data:
       fetch_model.sh: |-
         #!/usr/bin/bash -x
         pip install kaggle --break-system-packages && \
     
         MODEL_NAME=$(echo ${MODEL_PATH} | awk -F'/' '{print $2}') && \
         VARIATION_NAME=$(echo ${MODEL_PATH} | awk -F'/' '{print $4}') && \
     
         mkdir -p /data/${MODEL_NAME}_${VARIATION_NAME} &&\
         kaggle models instances versions download ${MODEL_PATH} --untar -p /data/${MODEL_NAME}_${VARIATION_NAME} && \
         echo -e "\nCompleted extraction to /data/${MODEL_NAME}_${VARIATION_NAME}" && \
     
         gcloud storage rsync --recursive --no-clobber /data/${MODEL_NAME}_${VARIATION_NAME} gs://${BUCKET_NAME}/${MODEL_NAME}_${VARIATION_NAME} && \
         echo -e "\nCompleted copy of data to gs://${BUCKET_NAME}/${MODEL_NAME}_${VARIATION_NAME}"
     ---
     apiVersion: batch/v1
     kind: Job
     metadata:
       name: data-loader-2b
       labels:
         app: data-loader-2b
     spec:
       ttlSecondsAfterFinished: 120
       template:
         metadata:
           labels:
             app: data-loader-2b
         spec:
           restartPolicy: OnFailure
           containers:
           - name: gcloud
             image: gcr.io/google.com/cloudsdktool/google-cloud-cli:slim
             command:
             - /scripts/fetch_model.sh
             env:
             - name: BUCKET_NAME
               value: CHECKPOINTS_BUCKET_NAME
             - name: KAGGLE_CONFIG_DIR
               value: /kaggle
             - name: MODEL_PATH
               value: "google/gemma/pax/2b-it/2"
             volumeMounts:
             - mountPath: "/kaggle/"
               name: kaggle-credentials
               readOnly: true
             - mountPath: "/scripts/"
               name: scripts-volume
               readOnly: true
           volumes:
           - name: kaggle-credentials
             secret:
               defaultMode: 0400
               secretName: kaggle-secret
           - name: scripts-volume
             configMap:
               defaultMode: 0700
               name: fetch-model-scripts

     Ganti CHECKPOINTS_BUCKET_NAME dengan nama bucket yang Anda buat di bagian Membuat bucket Cloud Storage. Jangan sertakan awalan gs://.

  2. Terapkan manifes:

     kubectl apply -f job-2b.yaml
     

  3. Tunggu hingga Tugas selesai:

     kubectl wait --for=condition=complete --timeout=180s job/data-loader-2b
     

     Outputnya akan terlihat mirip seperti berikut:

     job.batch/data-loader-2b condition met
     

  4. Pastikan bahwa Job berhasil diselesaikan:

     kubectl get job/data-loader-2b
     

     Outputnya akan terlihat mirip seperti berikut:

     NAME             COMPLETIONS   DURATION   AGE
     data-loader-2b   1/1           ##s        #m##s
     

  5. Lihat log untuk Tugas:

     kubectl logs --follow job/data-loader-2b
     

  Pekerjaan mengupload checkpoint ke gs://CHECKPOINTS_BUCKET_NAME/gemma_2b-it/checkpoint_00000000.

  Gemma 7B-it

  1. Buat manifes job-7b.yaml berikut:

     apiVersion: v1
     kind: ConfigMap
     metadata:
       name: fetch-model-scripts
     data:
       fetch_model.sh: |-
         #!/usr/bin/bash -x
         pip install kaggle --break-system-packages && \
     
         MODEL_NAME=$(echo ${MODEL_PATH} | awk -F'/' '{print $2}') && \
         VARIATION_NAME=$(echo ${MODEL_PATH} | awk -F'/' '{print $4}') && \
     
         mkdir -p /data/${MODEL_NAME}_${VARIATION_NAME} &&\
         kaggle models instances versions download ${MODEL_PATH} --untar -p /data/${MODEL_NAME}_${VARIATION_NAME} && \
         echo -e "\nCompleted extraction to /data/${MODEL_NAME}_${VARIATION_NAME}" && \
     
         gcloud storage rsync --recursive --no-clobber /data/${MODEL_NAME}_${VARIATION_NAME} gs://${BUCKET_NAME}/${MODEL_NAME}_${VARIATION_NAME} && \
         echo -e "\nCompleted copy of data to gs://${BUCKET_NAME}/${MODEL_NAME}_${VARIATION_NAME}"
     ---
     apiVersion: batch/v1
     kind: Job
     metadata:
       name: data-loader-7b
       labels:
         app: data-loader-7b
     spec:
       ttlSecondsAfterFinished: 120
       template:
         metadata:
           labels:
             app: data-loader-7b
         spec:
           restartPolicy: OnFailure
           containers:
           - name: gcloud
             image: gcr.io/google.com/cloudsdktool/google-cloud-cli:slim
             command:
             - /scripts/fetch_model.sh
             env:
             - name: BUCKET_NAME
               value: CHECKPOINTS_BUCKET_NAME
             - name: KAGGLE_CONFIG_DIR
               value: /kaggle
             - name: MODEL_PATH
               value: "google/gemma/pax/7b-it/2"
             volumeMounts:
             - mountPath: "/kaggle/"
               name: kaggle-credentials
               readOnly: true
             - mountPath: "/scripts/"
               name: scripts-volume
               readOnly: true
           volumes:
           - name: kaggle-credentials
             secret:
               defaultMode: 0400
               secretName: kaggle-secret
           - name: scripts-volume
             configMap:
               defaultMode: 0700
               name: fetch-model-scripts

     Ganti CHECKPOINTS_BUCKET_NAME dengan nama bucket yang Anda buat di bagian Membuat bucket Cloud Storage. Sertakan awalan gs://.

  2. Terapkan manifes:

     kubectl apply -f job-7b.yaml
     

  3. Tunggu hingga Tugas selesai:

     kubectl wait --for=condition=complete --timeout=360s job/data-loader-7b
     

     Outputnya akan terlihat mirip seperti berikut:

     job.batch/data-loader-7b condition met
     

  4. Pastikan bahwa Job berhasil diselesaikan:

     kubectl get job/data-loader-7b
     

     Outputnya akan terlihat mirip seperti berikut:

     NAME             COMPLETIONS   DURATION   AGE
     data-loader-7b   1/1           ##s        #m##s
     

  5. Lihat log untuk Tugas:

     kubectl logs --follow job/data-loader-7b
     

  Pekerjaan mengupload checkpoint ke gs://CHECKPOINTS_BUCKET_NAME/gemma_7b_it/checkpoint_00000000.

  Mengekspos server HTTP Saxml

  Anda dapat mengakses server HTTP Saxml melalui ClusterIP Service yang Anda buat saat men-deploy server HTTP Saxml. Layanan ClusterIP hanya dapat dijangkau dari dalam cluster. Oleh karena itu, untuk mengakses Service dari luar cluster, selesaikan langkah-langkah berikut:

  1. Buat sesi penerusan port:

     kubectl port-forward service/sax-http-svc 8888:8888
     

  2. Pastikan Anda dapat mengakses server HTTP Saxml dengan membuka terminal baru dan menjalankan perintah berikut:

     curl -s localhost:8888
     

     Outputnya akan terlihat mirip seperti berikut:

     {
         "Message": "HTTP Server for SAX Client"
     }
     

  Server HTTP Saxml merangkum antarmuka klien ke sistem Saxml dan mengeksposnya melalui serangkaian REST API. Anda menggunakan API ini untuk memublikasikan, mengelola, dan berinteraksi dengan model Gemma 2B dan Gemma 7B.

  Memublikasikan model Gemma

  Selanjutnya, Anda dapat memublikasikan model Gemma ke server model yang berjalan di node pool slice TPU. Anda menggunakan API publish server HTTP Saxml untuk memublikasikan model. Ikuti langkah-langkah berikut untuk memublikasikan model parameter Gemma 2B atau 7B.

  Untuk mempelajari lebih lanjut API server HTTP Saxml, lihat Saxml HTTP API.

  Gemma 2B-it

  1. Pastikan sesi penerusan port Anda masih aktif:

     curl -s localhost:8888
     

  2. Publikasikan parameter Gemma 2B:

     curl --request POST \
     --header "Content-type: application/json" \
     -s \
     localhost:8888/publish \
     --data \
     '{
         "model": "/sax/test/gemma2bfp16",
         "model_path": "saxml.server.pax.lm.params.gemma.Gemma2BFP16",
         "checkpoint": "gs://CHECKPOINTS_BUCKET_NAME/gemma_2b-it/checkpoint_00000000",
         "replicas": "1"
     }'
     

     Outputnya akan terlihat mirip seperti berikut:

     {
         "model": "/sax/test/gemma2bfp16",
         "model_path": "saxml.server.pax.lm.params.gemma.Gemma2BFP16",
         "checkpoint": "gs://CHECKPOINTS_BUCKET_NAME/gemma_2b-it/checkpoint_00000000",
         "replicas": 1
     }
     

     Lihat langkah berikutnya untuk memantau progres deployment.

  3. Pantau progres dengan mengamati log di Pod server model deployment sax-model-server-v5e-1x1.

     kubectl logs --follow deployment/sax-model-server-v5e-1x1
     

     Proses deployment ini dapat memerlukan waktu hingga lima menit. Tunggu hingga Anda melihat pesan yang mirip dengan berikut ini:

     I0125 15:34:31.685555 139063071708736 servable_model.py:699] loading completed.
     I0125 15:34:31.686286 139063071708736 model_service_base.py:532] Successfully loaded model for key: /sax/test/gemma2bfp16
     

  4. Verifikasi bahwa Anda dapat mengakses model, dengan menampilkan informasi model:

     curl --request GET \
     --header "Content-type: application/json" \
     -s \
     localhost:8888/listcell \
     --data \
     '{
         "model": "/sax/test/gemma2bfp16"
     }'
     

     Outputnya akan terlihat mirip seperti berikut:

     {
         "model": "/sax/test/gemma2bfp16",
         "model_path": "saxml.server.pax.lm.params.gemma.Gemma2BFP16",
         "checkpoint": "gs://CHECKPOINTS_BUCKET_NAME/gemma_2b-it/checkpoint_00000000",
         "max_replicas": 1,
         "active_replicas": 1
     }
     

  Berhasil: Anda telah memublikasikan model Gemma 2B. Sekarang Anda dapat berinteraksi dengan model.

  Gemma 7B-it

  1. Pastikan sesi penerusan port Anda masih aktif:

     curl -s localhost:8888
     

  2. Publikasikan parameter Gemma 7B:

     curl --request POST \
     --header "Content-type: application/json" \
     -s \
     localhost:8888/publish \
     --data \
     '{
         "model": "/sax/test/gemma7bfp16",
         "model_path": "saxml.server.pax.lm.params.gemma.Gemma7BFP16",
         "checkpoint": "gs://CHECKPOINTS_BUCKET_NAME/gemma_7b-it/checkpoint_00000000",
         "replicas": "1"
     }'
     

     Outputnya akan terlihat mirip seperti berikut:

     {
         "model": "/sax/test/gemma7bfp16",
         "model_path": "saxml.server.pax.lm.params.gemma.Gemma7BFP16",
         "checkpoint": "gs://CHECKPOINTS_BUCKET_NAME/gemma_7b-it/checkpoint_00000000",
         "replicas": 1
     }
     

     Lihat langkah berikutnya untuk memantau progres deployment.

  3. Pantau progres dengan mengamati log di Pod server model deployment sax-model-server-v5e-2x2.

     kubectl logs --follow deployment/sax-model-server-v5e-2x2
     

     Tunggu hingga Anda melihat pesan yang mirip dengan berikut ini:

     I0125 15:34:31.685555 139063071708736 servable_model.py:699] loading completed.
     I0125 15:34:31.686286 139063071708736 model_service_base.py:532] Successfully loaded model for key: /sax/test/gemma7bfp16
     

  4. Pastikan model dipublikasikan dengan menampilkan informasi model:

     curl --request GET \
     --header "Content-type: application/json" \
     -s \
     localhost:8888/listcell \
     --data \
     '{
         "model": "/sax/test/gemma7bfp16"
     }'
     

     Outputnya mirip dengan hal berikut ini:

     {
         "model": "/sax/test/gemma7bfp16",
         "model_path": "saxml.server.pax.lm.params.gemma.Gemma7BFP16",
         "checkpoint": "gs://CHECKPOINTS_BUCKET_NAME/gemma_7b-it/checkpoint_00000000",
         "max_replicas": 1,
         "active_replicas": 1
     }
     

  Berhasil: Anda telah memublikasikan model Gemma 7B. Sekarang Anda dapat berinteraksi dengan model.

  Menggunakan model

  Anda dapat berinteraksi dengan model Gemma 2B atau 7B. Gunakan generate API server HTTP Saxml untuk mengirim perintah ke model.

  Gemma 2B-it

  Menayangkan permintaan perintah menggunakan endpoint generate server HTTP Saxml:

  curl --request POST \
  --header "Content-type: application/json" \
  -s \
  localhost:8888/generate \
  --data \
  '{
    "model": "/sax/test/gemma2bfp16",
    "query": "What are the top 5 most popular programming languages?"
  }'
  

  Berikut adalah contoh respons model. Output sebenarnya bervariasi, berdasarkan perintah yang Anda berikan:

  [
      [
          "\n\n1. **Python**\n2. **JavaScript**\n3. **Java**\n4. **C++**\n5. **Go**",
          -3.0704939365386963
      ]
  ]
  

  Anda dapat menjalankan perintah dengan parameter query yang berbeda. Anda juga dapat mengubah parameter tambahan seperti temperature, top_k, topc_p menggunakan generate API. Untuk mempelajari lebih lanjut API server HTTP Saxml, lihat Saxml HTTP API.

  Gemma 7B-it

  Menayangkan permintaan perintah menggunakan endpoint generate server HTTP Saxml:

  curl --request POST \
  --header "Content-type: application/json" \
  -s \
  localhost:8888/generate \
  --data \
  '{
    "model": "/sax/test/gemma7bfp16",
    "query": "What are the top 5 most popular programming languages?"
  }'
  

  Berikut adalah contoh respons model. Output dapat bervariasi di setiap perintah yang Anda berikan:

  [
      [
          "\n\n**1. JavaScript**\n\n* Most widely used language on the web.\n* Used for front-end development, such as websites and mobile apps.\n* Extensive libraries and frameworks available.\n\n**2. Python**\n\n* Known for its simplicity and readability.\n* Versatile, used for various tasks, including data science, machine learning, and web development.\n* Large and active community.\n\n**3. Java**\n\n* Object-oriented language widely used in enterprise applications.\n* Used for web applications, mobile apps, and enterprise software.\n* Strong ecosystem and support.\n\n**4. Go**\n\n",
          -16.806324005126953
      ]
  ]
  

  Anda dapat menjalankan perintah dengan parameter query yang berbeda. Anda juga dapat mengubah parameter tambahan seperti temperature, top_k, topc_p menggunakan generate API. Untuk mempelajari lebih lanjut API server HTTP Saxml, lihat Saxml HTTP API.

  Membatalkan publikasi model

  Ikuti langkah-langkah berikut untuk membatalkan publikasi model Anda:

  Gemma 2B-it

  Untuk membatalkan publikasi model Gemma 2B-it, jalankan perintah berikut:

  curl --request POST \
  --header "Content-type: application/json" \
  -s \
  localhost:8888/unpublish \
  --data \
  '{
      "model": "/sax/test/gemma2bfp16"
  }'
  

  Outputnya akan terlihat mirip seperti berikut:

  {
      "model": "/sax/test/gemma2bfp16"
  }
  

  Anda dapat menjalankan perintah dengan berbagai perintah yang diteruskan dalam parameter query.

  Gemma 7B-it

  Untuk membatalkan publikasi model Gemma 7B-it, jalankan perintah berikut:

  curl --request POST \
  --header "Content-type: application/json" \
  -s \
  localhost:8888/unpublish \
  --data \
  '{
      "model": "/sax/test/gemma7bfp16"
  }'
  

  Outputnya akan terlihat mirip seperti berikut:

  {
      "model": "/sax/test/gemma7bfp16"
  }
  

  Anda dapat menjalankan perintah dengan berbagai perintah yang diteruskan dalam parameter query.

  Memecahkan masalah

  • Jika Anda mendapatkan pesan Empty reply from server, kemungkinan besar penampung belum selesai mendownload data model. Periksa log Pod lagi untuk melihat pesan Connected yang menunjukkan bahwa model siap ditayangkan.
  • Jika Anda melihat Connection refused, pastikan penerusan port Anda aktif.

  Pembersihan

  Agar tidak perlu membayar biaya pada akun Google Cloud Anda untuk resource yang digunakan dalam tutorial ini, hapus project yang berisi resource tersebut, atau simpan project dan hapus setiap resource.

  Menghapus resource yang di-deploy

  Agar tidak menimbulkan biaya pada akun Google Cloud Anda untuk resource yang Anda buat dalam panduan ini, jalankan perintah berikut:

  gcloud container clusters delete ${CLUSTER_NAME} --location=${LOCATION}
  gcloud iam service-accounts delete --quiet wi-sax@${PROJECT_ID}.iam.gserviceaccount.com
  gcloud storage rm --recursive gs://ADMIN_BUCKET_NAME
  gcloud storage rm --recursive gs://CHECKPOINTS_BUCKET_NAME
  

  Ganti kode berikut:

  • ADMIN_BUCKET_NAME: Nama bucket Cloud Storage yang menyimpan server Admin Saxml.
  • CHECKPOINTS_BUCKET_NAME: Nama bucket Cloud Storage yang menyimpan checkpoint model.

  Langkah berikutnya

  • Pelajari lebih lanjut TPU di GKE.
  • Pelajari repositori GitHub Saxml, termasuk Saxml HTTP API.
  • Jelajahi Vertex AI Model Garden.
  • Pelajari cara menjalankan workload AI/ML yang dioptimalkan dengan kemampuan orkestrasi platform GKE.
  • Pelajari arsitektur referensi, diagram, dan praktik terbaik tentang Google Cloud. Lihat Cloud Architecture Center kami.