Cette page a été traduite par l'API Cloud Translation.

Migrer GKE Inference Gateway de v1alpha2 vers v1

Cette page explique comment migrer votre configuration de passerelle GKE Inference de l'API v1alpha2 en preview vers l'API v1 disponible de manière générale.

Ce document est destiné aux administrateurs de plate-forme et aux spécialistes de la mise en réseau qui utilisent la version v1alpha2 de GKE Inference Gateway et souhaitent passer à la version 1 pour profiter des dernières fonctionnalités.

Avant de commencer la migration, assurez-vous de bien connaître les concepts et le déploiement de la passerelle d'inférence GKE. Nous vous recommandons de consulter Déployer GKE Inference Gateway.

Avant de commencer

Avant de commencer la migration, déterminez si vous devez suivre ce guide.

Rechercher les API v1alpha2 existantes

Pour vérifier si vous utilisez l'API v1alpha2 GKE Inference Gateway, exécutez les commandes suivantes :

kubectl get inferencepools.inference.networking.x-k8s.io --all-namespaces
kubectl get inferencemodels.inference.networking.x-k8s.io --all-namespaces

Le résultat de ces commandes détermine si vous devez migrer :

Si l'une ou l'autre commande renvoie une ou plusieurs ressources InferencePool ou InferenceModel, vous utilisez l'API v1alpha2 et devez suivre ce guide.
Si les deux commandes renvoient No resources found, vous n'utilisez pas l'API v1alpha2. Vous pouvez procéder à une nouvelle installation de la passerelle d'inférence v1.

Chemins de migration

Deux options s'offrent à vous pour migrer de v1alpha2 vers v1 :

Migration simple (avec temps d'arrêt) : ce chemin est plus rapide et plus simple, mais entraîne un bref temps d'arrêt. Il s'agit de la méthode recommandée si vous n'avez pas besoin d'une migration sans temps d'arrêt.
Migration sans temps d'arrêt : ce chemin est destiné aux utilisateurs qui ne peuvent pas se permettre d'interrompre le service. Il s'agit d'exécuter les piles v1alpha2 et v1 côte à côte et de déplacer progressivement le trafic.

Migration simple (avec temps d'arrêt)

Cette section explique comment effectuer une migration simple avec temps d'arrêt.

Supprimer les ressources v1alpha2 existantes : pour supprimer les ressources v1alpha2, choisissez l'une des options suivantes :

Option 1 : Désinstaller à l'aide de Helm
```
helm uninstall HELM_PREVIEW_INFERENCEPOOL_NAME
```
Option 2 : Supprimer manuellement les ressources

Si vous n'utilisez pas Helm, supprimez manuellement toutes les ressources associées à votre déploiement v1alpha2 :
- Modifiez ou supprimez HTTPRoute pour supprimer backendRef qui pointe vers v1alpha2 InferencePool.
- Supprimez le InferencePool, toutes les ressources InferenceModel qui y font référence, ainsi que le déploiement et le service EPP (Endpoint Picker) correspondants.v1alpha2
Une fois toutes les ressources personnalisées v1alpha2 supprimées, supprimez les définitions de ressources personnalisées (CRD) de votre cluster :
```
kubectl delete -f https://github.com/kubernetes-sigs/gateway-api-inference-extension/releases/download/v0.3.0/manifests.yaml
```
Installez les ressources v1 : après avoir nettoyé les anciennes ressources, installez la passerelle d'inférence GKE Inference.v1 Ce processus implique les actions suivantes :
1. Installez les nouvelles définitions de ressources personnalisées (CRD) v1.
2. Créez une v1 InferencePool et les ressources InferenceObjective correspondantes. La ressource InferenceObjective est toujours définie dans l'API v1alpha2.
3. Créez un HTTPRoute qui redirige le trafic vers votre nouveau v1 InferencePool.

Vérifiez le déploiement : après quelques minutes, vérifiez que votre nouvelle pile v1 diffuse correctement le trafic.

Vérifiez que l'état de la passerelle est PROGRAMMED :

kubectl get gateway -o wide

Le résultat devrait ressembler à ceci :

NAME                CLASS                            ADDRESS        PROGRAMMED   AGE
inference-gateway   gke-l7-regional-external-managed   <IP_ADDRESS>   True         10m

Vérifiez le point de terminaison en envoyant une requête :

IP=$(kubectl get gateway/inference-gateway -o jsonpath='{.status.addresses[0].value}')
PORT=80
curl -i ${IP}:${PORT}/v1/completions -H 'Content-Type: application/json' -d '{"model": "<var>YOUR_MODEL</var>","prompt": "<var>YOUR_PROMPT</var>","max_tokens": 100,"temperature": 0}'

Assurez-vous de recevoir une réponse positive avec un code de réponse 200.

Migration sans temps d'arrêt

Ce chemin de migration est conçu pour les utilisateurs qui ne peuvent pas se permettre d'interrompre le service. Le schéma suivant illustre comment GKE Inference Gateway facilite la diffusion de plusieurs modèles d'IA générative, un aspect clé d'une stratégie de migration sans temps d'arrêt.

Acheminement des requêtes vers différents modèles en fonction du nom et de la priorité du modèle — **Figure :** GKE Inference Gateway route les requêtes vers différents modèles d'IA générative en fonction du nom et de la priorité du modèle.

Distinguer les versions d'API avec kubectl

Lors de la migration sans temps d'arrêt, les CRD v1alpha2 et v1 sont installés sur votre cluster. Cela peut créer une ambiguïté lors de l'utilisation de kubectl pour interroger les ressources InferencePool. Pour vous assurer d'interagir avec la bonne version, vous devez utiliser le nom complet de la ressource :

Pour v1alpha2 :

kubectl get inferencepools.inference.networking.x-k8s.io

Pour v1 :

kubectl get inferencepools.inference.networking.k8s.io

L'API v1 fournit également un nom court pratique, infpool, que vous pouvez utiliser pour interroger spécifiquement les ressources v1 :

kubectl get infpool

Étape 1 : Déploiement côte à côte de la version 1

À cette étape, vous déployez la nouvelle pile InferencePool v1 aux côtés de la pile v1alpha2 existante, ce qui permet une migration sûre et progressive.

Une fois toutes les étapes de cette phase terminées, vous disposez de l'infrastructure suivante, illustrée dans le diagramme ci-dessous :

Installez les définitions de ressources personnalisées (CRD) nécessaires dans votre cluster GKE :
- Pour les versions GKE antérieures à 1.34.0-gke.1626000, exécutez la commande suivante pour installer les CRD v1 InferencePool et alpha InferenceObjective :
```
kubectl apply -f https://github.com/kubernetes-sigs/gateway-api-inference-extension/releases/download/v1.0.0/manifests.yaml
```
- Pour les versions 1.34.0-gke.1626000 ou ultérieures de GKE, n'installez que la CRD alpha InferenceObjective en exécutant la commande suivante :
```
kubectl apply -f https://github.com/kubernetes-sigs/gateway-api-inference-extension/raw/v1.0.0/config/crd/bases/inference.networking.x-k8s.io_inferenceobjectives.yaml
```
Remarque : À partir des versions 1.34.0-gke.1626000 de GKE, Google Kubernetes Engine gère automatiquement la CRD InferencePool v1. Vous ne devez installer que la CRD alpha InferenceObjective. Si vous essayez d'installer la CRD v1 InferencePool, cela peut entraîner des problèmes inattendus et générer un avertissement.
Installez v1 InferencePool.

Utilisez Helm pour installer un nouveau v1 InferencePool avec un nom de version distinct, tel que vllm-llama3-8b-instruct-ga. Le InferencePool doit cibler les mêmes pods Model Server que le InferencePool alpha à l'aide de inferencePool.modelServers.matchLabels.app.

Pour installer InferencePool, utilisez la commande suivante :
```
helm install vllm-llama3-8b-instruct-ga \
--set inferencePool.modelServers.matchLabels.app=MODEL_SERVER_DEPLOYMENT_LABEL \
--set provider.name=gke \
--version RELEASE \
oci://registry.k8s.io/gateway-api-inference-extension/charts/inferencepool
```

Créez des ressources v1alpha2 InferenceObjective.

Pour migrer vers la version 1.0 de l'extension d'inférence de l'API Gateway, nous devons également migrer de l'API alpha InferenceModel vers la nouvelle API InferenceObjective.

Appliquez le fichier YAML suivant pour créer les ressources InferenceObjective :

kubectl apply -f - <<EOF
---
apiVersion: inference.networking.x-k8s.io/v1alpha2
kind: InferenceObjective
metadata:
  name: food-review
spec:
  priority: 2
  poolRef:
    group: inference.networking.k8s.io
    name: vllm-llama3-8b-instruct-ga
---
apiVersion: inference.networking.x-k8s.io/v1alpha2
kind: InferenceObjective
metadata:
  name: base-model
spec:
  priority: 2
  poolRef:
    group: inference.networking.k8s.io
    name: vllm-llama3-8b-instruct-ga
---
EOF

Étape 2 : Transfert du trafic

Une fois les deux piles en cours d'exécution, vous pouvez commencer à transférer le trafic de v1alpha2 vers v1 en mettant à jour HTTPRoute pour répartir le trafic. Cet exemple montre une répartition à 50/50.

Mettez à jour HTTPRoute pour la répartition du trafic.

Pour mettre à jour HTTPRoute pour la répartition du trafic, exécutez la commande suivante :

kubectl apply -f - <<EOF
---
apiVersion: gateway.networking.k8s.io/v1
kind: HTTPRoute
metadata:
  name: llm-route
spec:
  parentRefs:
  - group: gateway.networking.k8s.io
    kind: Gateway
    name: inference-gateway
  rules:
  - backendRefs:
    - group: inference.networking.x-k8s.io
      kind: InferencePool
      name: vllm-llama3-8b-instruct-preview
      weight: 50
    - group: inference.networking.k8s.io
      kind: InferencePool
      name: vllm-llama3-8b-instruct-ga
      weight: 50
---
EOF

Vérifiez et surveillez.

Après avoir appliqué les modifications, surveillez les performances et la stabilité de la nouvelle pile v1. Vérifiez que la passerelle inference-gateway a l'état PROGRAMMEDTRUE.

Étape 3 : Finalisation et nettoyage

Une fois que vous avez vérifié que v1 InferencePool est stable, vous pouvez y rediriger tout le trafic et mettre hors service les anciennes ressources v1alpha2.

Redirigez 100 % du trafic vers v1 InferencePool.

Pour transférer 100 % du trafic vers v1 InferencePool, exécutez la commande suivante :

kubectl apply -f - <<EOF
---
apiVersion: gateway.networking.k8s.io/v1
kind: HTTPRoute
metadata:
  name: llm-route
spec:
  parentRefs:
  - group: gateway.networking.k8s.io
    kind: Gateway
    name: inference-gateway
  rules:
  - backendRefs:
    - group: inference.networking.k8s.io
      kind: InferencePool
      name: vllm-llama3-8b-instruct-ga
      weight: 100
---
EOF

Effectuez la validation finale.

Après avoir redirigé tout le trafic vers la pile v1, vérifiez qu'elle gère tout le trafic comme prévu.