פריסת עומסי עבודה של TPU ב-GKE Autopilot

בדף הזה מוסבר איך להאיץ עומסי עבודה (workload) של למידת מכונה (ML) באמצעות מאיצי Cloud TPU ‏(TPU) באשכולות Autopilot של Google Kubernetes Engine ‏(GKE). ההנחיות האלה יעזרו לכם לבחור את הספריות הנכונות למסגרות של אפליקציות ה-ML, להגדיר את עומסי העבודה של TPU כך שיפעלו בצורה אופטימלית ב-GKE ולעקוב אחרי עומסי העבודה אחרי הפריסה.

הדף הזה מיועד לאדמינים ולמפעילים של פלטפורמות, למומחים בתחום הנתונים וה-AI ולמפתחי אפליקציות שרוצים להכין ולהפעיל עומסי עבודה של למידת מכונה ב-TPU. מידע נוסף על התפקידים הנפוצים, האחריות ומשימות לדוגמה שאליהם אנחנו מתייחסים בתוכן של Google Cloud , אפשר לקרוא במאמר תפקידים נפוצים של משתמשים ומשימות ב-GKE.

לפני שקוראים את הדף הזה, חשוב לוודא שאתם מכירים את המקורות הבאים:

איך יחידות TPU פועלות ב-Autopilot

כדי להשתמש ב-TPU בעומסי עבודה של Autopilot, צריך לציין את הפרטים הבאים במניפסט של עומס העבודה:

  • גרסת ה-TPU בשדה spec.nodeSelector.
  • טופולוגיית ה-TPU בשדה spec.nodeSelector. הטופולוגיה צריכה להיות נתמכת על ידי גרסת ה-TPU שצוינה.
  • מספר שבבי ה-TPU בשדות spec.containers.resources.requests ו-spec.containers.resources.limits.

כשפורסים את עומס העבודה, GKE מקצה צמתים עם תצורת ה-TPU המבוקשת ומתזמן את ה-Pods בצמתים. ‫GKE ממקם כל עומס עבודה בצומת משלו, כך שלכל Pod תהיה גישה למשאבים המלאים של הצומת, עם סיכון מינימלי לשיבוש.

יחידות TPU ב-Autopilot תואמות ליכולות הבאות:

  1. Spot Pods
  2. הזמנות של קיבולת ספציפית
  3. Extended run time Pods
  4. Flex-start

תכנון ההגדרה של TPU

לפני שמשתמשים במדריך הזה כדי לפרוס עומסי עבודה של TPU, צריך לתכנן את הגדרת ה-TPU על סמך המודל וכמות הזיכרון שהוא דורש. פרטים נוספים מופיעים במאמר בנושא תכנון ההגדרה של TPU.

תמחור

למידע על תמחור, אפשר לעיין במאמר תמחור של Autopilot.

לפני שמתחילים

לפני שמתחילים, חשוב לוודא שביצעתם את הפעולות הבאות:

  • מפעילים את ממשק Google Kubernetes Engine API.
    • הפעלת Google Kubernetes Engine API
  • כדי להשתמש ב-CLI של Google Cloud למשימה הזו, צריך להתקין ואז להפעיל את gcloud CLI. אם התקנתם בעבר את ה-CLI של gcloud, מריצים את הפקודה gcloud components update כדי לקבל את הגרסה העדכנית. יכול להיות שגרסאות קודמות של ה-CLI של gcloud לא יתמכו בהרצת הפקודות שמופיעות במסמך הזה.
  • מוודאים שיש לכם אשכול Autopilot שפועל ב-GKE בגרסה 1.32.3-gke.1927000 ואילך. הוראות מפורטות מופיעות במאמר בנושא יצירת אשכול Autopilot.
  • כדי להשתמש ב-TPU שמורים, צריך לוודא שיש לכם הזמנת קיבולת ספציפית קיימת. הוראות מפורטות מופיעות במאמר בנושא שימוש בהזמנה.

איך מוודאים שיש מכסת שימוש ביחידות TPU ובמשאבי GKE אחרים

בקטעים הבאים מוסבר איך לוודא שיש לכם מספיק מכסת שימוש כשמשתמשים ב-TPU ב-GKE.

כדי ליצור צמתים של פרוסות TPU, צריך להקצות מכסת TPU, אלא אם משתמשים בהזמנת קיבולת קיימת. אם אתם משתמשים ב-TPU שמורים, דלגו על הקטע הזה.

כדי ליצור צמתים של חלקי TPU ב-GKE, צריך מכסה של Compute Engine API (compute.googleapis.com), ולא מכסה של Cloud TPU API‏ (tpu.googleapis.com). השם של המכסה שונה בתאי Autopilot רגילים וב-Spot Pods.

כדי לבדוק את המגבלה ואת השימוש הנוכחי במכסת Compute Engine API עבור TPU:

  1. נכנסים לדף Quotas במסוף Google Cloud :

    לפתיחת הדף Quotas

  2. בתיבה Filter, מבצעים את הפעולות הבאות:

    1. משתמשים בטבלה הבאה כדי לבחור ולהעתיק את מאפיין המכסה בהתאם לגרסת ה-TPU ולערך בבורר הצמתים cloud.google.com/gke-tpu-accelerator. לדוגמה, אם אתם מתכננים ליצור צמתי TPU v5e על פי דרישה, שהערך שלהם בבורר הצמתים cloud.google.com/gke-tpu-accelerator הוא tpu-v5-lite-podslice, צריך להזין Name: TPU v5 Lite PodSlice chips.

      גרסת TPU, cloud.google.com/gke-tpu-accelerator המאפיין והשם של המכסה עבור מופעים על פי דרישה המאפיין והשם של המכסה למכונות Spot2
      ‫TPU v3,
      tpu-v3-device 
      Dimensions (e.g. location):
      tpu_family:CT3
      		 לא רלוונטי
      ‫TPU v3,
      tpu-v3-slice 
      Dimensions (e.g. location):
      tpu_family:CT3P
      		 לא רלוונטי
      ‫TPU v4,
      tpu-v4-podslice 
      Name:
      TPU v4 PodSlice chips
      		 
      Name:
      Preemptible TPU v4 PodSlice chips
      TPU v5e,
      tpu-v5-lite-podslice 
      Name:
      TPU v5 Lite PodSlice chips
      		 
      Name:
      Preemptible TPU v5 Lite Podslice
      chips
      ‫TPU v5p,
      tpu-v5p-slice 
      Name:
      TPU v5p chips
      		 
      Name:
      Preemptible TPU v5p chips
      ‫TPU Trillium,
      tpu-v6e-slice 
      Dimensions (e.g. location):
      tpu_family:CT6E
      		 
      Name:
      Preemptible TPU slices v6e
      ‫Ironwood (TPU7x),
      tpu7x 
      Dimensions (e.g. location):
      tpu_family:tpu7x
      		 
      Name:
      Preemptible TPU slices tpu7x

    2. בוחרים את המאפיין Dimensions (e.g. locations) (מאפיינים (למשל מיקומים)) ומזינים region: ואחריו את שם האזור שבו מתכננים ליצור יחידות TPU ב-GKE. לדוגמה, מזינים region:us-west4 אם מתכננים ליצור צמתים של חלקי TPU באזור us-west4-a. מכסת ה-TPU היא אזורית, ולכן כל האזורים באותו אזור צורכים את אותה מכסת TPU.

אם אין מכסות שתואמות למסנן שהזנתם, סימן שלא הוקצתה לפרויקט אף אחת מהמכסות שצוינו לאזור שאתם צריכים, ועליכם לבקש שינוי במכסת ה-TPU.

כשיוצרים הזמנה של TPU, גם המגבלה וגם ערכי השימוש הנוכחיים של המכסה המתאימה גדלים במספר הצ'יפים בהזמנת ה-TPU. לדוגמה, אם יוצרים הזמנה ל-16 שבבי TPU v5e שהערך שלהם בבורר הצמתים cloud.google.com/gke-tpu-accelerator הוא tpu-v5-lite-podslice, הערכים Limit ו-Current usage במכסת TPU v5 Lite PodSlice chips באזור הרלוונטי יגדלו ב-16.

מכסות למשאבי GKE נוספים

יכול להיות שתצטרכו להגדיל את המכסות הבאות שקשורות ל-GKE באזורים שבהם GKE יוצר את המשאבים שלכם.

  • מכסת SSD של דיסק מתמיד (GB): דיסק האתחול של כל צומת Kubernetes דורש 100GB כברירת מחדל. לכן, צריך להגדיר את המכסה הזה לפחות כמכפלה של מספר הצמתים המקסימלי של GKE שאתם צופים ליצור ו-100GB (צמתים * 100GB).
  • מכסת כתובות IP בשימוש: כל צומת Kubernetes צורך כתובת IP אחת. לכן, צריך להגדיר את המכסה הזו לפחות כמספר המקסימלי של צמתי GKE שאתם צפויים ליצור.
  • מוודאים ש-max-pods-per-node תואם לטווח של תת-הרשת: כל צומת Kubernetes משתמש בטווחים משניים של כתובות IP עבור קבוצות Pod. לדוגמה, max-pods-per-node של 32 דורש 64 כתובות IP, שמתורגמות לתת-רשת ‎ /26 לכל צומת. חשוב לדעת שאסור לשתף את הטווח הזה עם אף אשכול אחר. כדי להימנע ממיצוי טווח כתובות ה-IP, משתמשים בדגל --max-pods-per-node כדי להגביל את מספר הפודים שאפשר לתזמן בצומת. ההקצאה של max-pods-per-node צריכה להיות לפחות גבוהה כמו המספר המקסימלי של צמתי GKE שאתם מתכננים ליצור.

כדי לבקש הגדלה של המכסה, אפשר לעיין במאמר בנושא איך שולחים בקשה לשינוי המכסות.

הכנת אפליקציית ה-TPU

יש דרישות הכנה לעומסי עבודה של TPU.

  1. ממשקי Framework כמו JAX,‏ PyTorch ו-TensorFlow ניגשים למכונות וירטואליות של TPU באמצעות libtpuהספרייה המשותפת. ‫libtpu כולל את מהדר XLA, תוכנת זמן הריצה של TPU ואת מנהל ההתקן של TPU. כל גרסה של PyTorch ו-JAX דורשת גרסה מסוימת של libtpu.so. כדי למנוע התנגשויות בין גרסאות של חבילות, מומלץ להשתמש בתמונה של JAX AI. כדי להשתמש ב-TPU ב-GKE, צריך לוודא שאתם משתמשים בגרסאות הבאות: ‫tpu7x
    סוג ה-TPU גרסה libtpu.so
    ‫Ironwood ‏ (TPU7x)
    ‫TPU Trillium (v6e)
    tpu-v6e-slice
    TPU v5e
    tpu-v5-lite-podslice
    TPU v5p
    tpu-v5p-slice
    • תמונת AI מומלצת של JAX: ‏ jax0.4.35-rev1 ואילך
    • הגרסה המומלצת של jax[tpu]:‏ 0.4.19 ואילך.
    • הגרסה המומלצת של torchxla[tpuvm]: מומלץ להשתמש בגרסת nightly שנבנתה ב-23 באוקטובר 2023.
    ‫TPU v4
    tpu-v4-podslice
    TPU v3
    tpu-v3-slice
    tpu-v3-device
  2. במניפסט של עומס העבודה, מוסיפים בוררי צמתים של Kubernetes כדי לוודא ש-GKE מתזמן את עומס העבודה של TPU במכונת TPU ובטופולוגיית ה-TPU שהגדרתם:

      nodeSelector:
    cloud.google.com/gke-tpu-accelerator: TPU_ACCELERATOR
    cloud.google.com/gke-tpu-topology: TPU_TOPOLOGY
    cloud.google.com/placement-policy-name: WORKLOAD_POLICY # Required only for Ironwood (TPU7x)

    מחליפים את מה שכתוב בשדות הבאים:

    • ‫TPU_ACCELERATOR: השם של התאוצה של TPU. לדוגמה, משתמשים ב-tpu7x-standard-4t.
    • ‫TPU_TOPOLOGY: הטופולוגיה הפיזית של פרוסת ה-TPU. הפורמט של הטופולוגיה תלוי בגרסת ה-TPU. לדוגמה, משתמשים ב-2x2x2. מידע נוסף זמין במאמר תכנון השימוש ב-TPU ב-GKE.
    • ‫WORKLOAD_POLICY: השם של מדיניות עומס העבודה שרוצים להשתמש בה כדי למקם את TPU Pods. הצומת הזה נדרש רק ל-Ironwood ‏ (TPU7x).

אחרי שמסיימים את ההכנה של עומס העבודה, אפשר להריץ Job שמשתמש ב-TPU.

אפשרויות לאספקת TPU ב-GKE

כדי להקצות TPU ב-GKE, יש לכם את אפשרויות ההגדרה הבאות:
  • בקשת עומס עבודה: מציינים את גרסת ה-TPU והטופולוגיה בשדה spec.nodeSelector ואת מספר שבבי ה-TPU בקטע spec.containers.resources. כשפורסים את עומס העבודה,‏ GKE מקצה אוטומטית צמתים עם הגדרת ה-TPU הנכונה וממקם כל עומס עבודה בצומת ייעודי משלו כדי להבטיח גישה מלאה למשאבי הצומת. הוראות מפורטות מופיעות במאמר בנושא בקשת TPU בעומס עבודה.

    • הקצאת מעבדי TPU באופן מרכזי באמצעות סוגי מחשוב בהתאמה אישית

    בקטעים הבאים מוסבר איך ליצור ComputeClass בהתאמה אישית ואז ליצור Job שמשתמש ב-TPU שהוגדרו ב-ComputeClass.

    יצירת ComputeClass בהתאמה אישית

    השלבים ליצירת ComputeClass מותאם אישית בהתאם לכללי TPU שונים בהתאם לגרסת ה-TPU שבה אתם משתמשים: Ironwood‏ (TPU7x) או גרסה קודמת של TPU.

    ‫Ironwood ‏ (TPU7x)

    1. יוצרים מדיניות של עומס עבודה. השלב הזה נדרש רק אם יוצרים מאגר צמתים עם כמה מארחים, והוא תלוי בטופולוגיה שבוחרים. אם אתם משתמשים במאגר צמתים עם מארח יחיד, דלגו על השלב הזה.

      gcloud compute resource-policies create workload-policy WORKLOAD_POLICY_NAME \
    --type=HIGH_THROUGHPUT \
    --accelerator-topology=TPU_TOPOLOGY \
    --project=PROJECT_ID \
    --region=REGION

      מחליפים את מה שכתוב בשדות הבאים:

      • ‫WORKLOAD_POLICY_NAME: שם למדיניות של עומס העבודה.
      • ‫TPU_TOPOLOGY: הטופולוגיה של TPU Ironwood‏ (TPU7x). לדוגמה, משתמשים ב-2x2x2. מידע נוסף על כל הטופולוגיות הנתמכות של Ironwood ‏ (TPU7x) זמין בקטע על טופולוגיה.
      • ‫PROJECT_ID: מזהה הפרויקט ב- Google Cloud .
      • ‫REGION: האזור של מדיניות עומס העבודה. מדיניות עומס עבודה היא משאב אזורי, ואפשר להשתמש בה במאגרי צמתים.

    2. שומרים את קובץ המניפסט הבא בשם tpu-compute-class.yaml:

      apiVersion: cloud.google.com/v1
kind: ComputeClass
metadata:
  name: tpu-class
spec:
  priorities:
    - tpu:
        type: tpu7x
        topology: TPU_TOPOLOGY
        count: 4
      placement:
        policyName: WORKLOAD_POLICY_NAME
  nodePoolAutoCreation:
    enabled: true

    3. (אופציונלי) אפשר להשתמש בהזמנה ספציפית או בחלק ספציפי של בלוק. לדוגמה, אפשר להוסיף את specs הבא למניפסט ComputeClass:

        reservations:
    affinity: Specific
    specific:
      - name: RESERVATION_NAME
        reservationBlock:
          name: RESERVATION_BLOCK_NAME
          reservationSubBlock:
            name: RESERVATION_SUB_BLOCK_NAME

      מחליפים את מה שכתוב בשדות הבאים:

      • ‫RESERVATION_NAME: השם של הזמנת הקיבולת ב-Compute Engine.
      • ‫RESERVATION_BLOCK_NAME: השם של בלוק הזמנת הקיבולת ב-Compute Engine.
      • ‫RESERVATION_SUB_BLOCK_NAME: השם של תת-הבלוק של הזמנת הקיבולת ב-Compute Engine.

      מידע נוסף זמין במאמר שימוש במשאבים שמורים בתחום מוגדר.

    גרסאות TPU אחרות

    כדי להקצות TPU מדור 3, 4,‏ v5p,‏ v5e או v6e ‏ (Trillium) באמצעות ComputeClass מותאם אישית שמוגדר ל-TPU, מבצעים את השלבים הבאים:

    1. שומרים את קובץ המניפסט הבא בשם tpu-compute-class.yaml:

      apiVersion: cloud.google.com/v1
kind: ComputeClass
metadata:
  name: tpu-class
spec:
  priorities:
  - tpu:
      type: TPU_TYPE
      count: NUMBER_OF_CHIPS
      topology: TOPOLOGY
  - spot: true
    tpu:
      type: TPU_TYPE
      count: NUMBER_OF_CHIPS
      topology: TOPOLOGY
  - flexStart:
      enabled: true
    tpu:
      type: TPU_TYPE
      count: NUMBER_OF_CHIPS
      topology: TOPOLOGY
  nodePoolAutoCreation:
    enabled: true

      מחליפים את מה שכתוב בשדות הבאים:

      • ‫TPU_TYPE: סוג ה-TPU לשימוש, כמו tpu-v4-podslice. הערך חייב להיות ערך שנתמך על ידי GKE.
      • ‫TOPOLOGY: סידור צ'יפים של TPU בפרוסת TPU, כמו 2x2x4. חובה לבחור טופולוגיה נתמכת לסוג ה-TPU שנבחר.
      • ‫NUMBER_OF_CHIPS: מספר שבבי ה-TPU שהקונטיינר ישתמש בהם. הערכים של limits ושל requests חייבים להיות זהים.

    2. פורסים את ComputeClass:

      kubectl apply -f tpu-compute-class.yaml

      מידע נוסף על ComputeClasses ו-TPU בהתאמה אישית זמין במאמר הגדרת TPU.

    יצירת משימה שצורכת TPU

    1. שומרים את קובץ המניפסט הבא בשם tpu-job.yaml:

      apiVersion: v1
kind: Service
metadata:
  name: headless-svc
spec:
  clusterIP: None
  selector:
    job-name: tpu-job
---
apiVersion: batch/v1
kind: Job
metadata:
  name: tpu-job
spec:
  backoffLimit: 0
  completions: 4
  parallelism: 4
  completionMode: Indexed
  template:
    spec:
      subdomain: headless-svc
      restartPolicy: Never
      nodeSelector:
        cloud.google.com/compute-class: tpu-class
      containers:
      - name: tpu-job
        image: us-docker.pkg.dev/cloud-tpu-images/jax-ai-image/tpu:latest
        ports:
        - containerPort: 8471 # Default port using which TPU VMs communicate
        - containerPort: 8431 # Port to export TPU runtime metrics, if supported.
        command:
        - bash
        - -c
        - |
          python -c 'import jax; print("TPU cores:", jax.device_count())'
        resources:
          requests:
            cpu: 10
            memory: MEMORY_SIZE
            google.com/tpu: NUMBER_OF_CHIPS
          limits:
            cpu: 10
            memory: MEMORY_SIZE
            google.com/tpu: NUMBER_OF_CHIPS

      מחליפים את מה שכתוב בשדות הבאים:

      • ‫NUMBER_OF_CHIPS: מספר שבבי ה-TPU שהקונטיינר ישתמש בהם. הערך של limits ושל requests חייב להיות זהה, וגם שווה לערך של CHIP_COUNT ב-ComputeClass המותאם אישית שנבחר.
      • ‫MEMORY_SIZE: כמות הזיכרון המקסימלית שבה נעשה שימוש ב-TPU. מגבלות הזיכרון תלויות בגרסת ה-TPU ובטופולוגיה שבהן אתם משתמשים. מידע נוסף על ערכי המינימום והמקסימום של מאיצים
      • ‫NUMBER_OF_CHIPS: מספר שבבי ה-TPU שהקונטיינר ישתמש בהם. הערכים של limits ושל requests חייבים להיות זהים.

    2. פריסת המשרה:

      kubectl create -f tpu-job.yaml

      כשיוצרים את ה-Job הזה, מערכת GKE מבצעת באופן אוטומטי את הפעולות הבאות:

      • הקצאת צמתים להרצת ה-Pods. בהתאם לסוג ה-TPU, לטופולוגיה ולבקשות המשאבים שציינתם, הצמתים האלה הם פרוסות של מארח יחיד או פרוסות של כמה מארחים. בהתאם לזמינות של משאבי TPU בעדיפות הגבוהה ביותר, יכול להיות ש-GKE יחזור לעדיפויות נמוכות יותר כדי למקסם את האפשרות להשיג משאבים.
      • הוספת taints ל-Pods ו-tolerations לצמתים כדי למנוע הפעלה של עומסי עבודה אחרים באותם צמתים שבהם מופעלים עומסי עבודה של TPU.

      מידע נוסף זמין במאמר מידע על ComputeClasses בהתאמה אישית.

    3. כדי להימנע מחיובים נוספים אחרי שסיימתם את השלב הזה, תוכלו למחוק את המשאבים שיצרתם:

      kubectl delete -f tpu-job.yaml

    בקשת TPU בעומס עבודה

    בקטע הזה מוסבר איך ליצור משימה שמבקשת TPU ב-Autopilot. בכל עומס עבודה שנדרשים בו TPU, צריך לציין את הפרטים הבאים:

    • בוררי צמתים לגרסה ולטופולוגיה של ה-TPU
    • מספר שבבי ה-TPU של קונטיינר בעומס העבודה

    רשימה של גרסאות וטופולוגיות נתמכות של TPU, ומספר שבבי ה-TPU והצמתים המתאימים בפרוסת TPU, זמינה במאמר בנושא בחירת גרסת ה-TPU.

    שיקולים לגבי בקשות TPU בעומסי עבודה

    רק מאגר אחד ב-Pod יכול להשתמש ב-TPU. מספר שבבי ה-TPU שמבקש קונטיינר צריך להיות שווה למספר שבבי ה-TPU שמצורפים לצומת בפרוסת ה-TPU. לדוגמה, אם מבקשים TPU v5e ‏ (tpu-v5-lite-podslice) עם טופולוגיה של 2x4, אפשר לבקש כל אחת מהאפשרויות הבאות:

    • ‫TPU, שיוצר שני צמתים מרובי-מארחים עם 4 שבבי TPU כל אחד4
    • ‫8 chips, which creates one single-host node with 8 TPU chips

    כדי למקסם את היעילות של העלויות, מומלץ תמיד להשתמש בכל ה-TPU בפרוסת ה-TPU שאתם מבקשים. אם מבקשים פלח של שני צמתים עם כמה מארחים, כשבכל צומת יש 4 שבבי TPU, צריך לפרוס עומס עבודה שפועל בשני הצמתים ומשתמש בכל 8 שבבי ה-TPU בפלח.

    יצירת עומס עבודה שמבקש TPU

    הפעולות הבאות יוצרות עבודה שמבקשת TPU. אם יש לכם עומסי עבודה שפועלים על פרוסות TPU מרובות מארחים, אתם צריכים גם ליצור שירות ללא ראש שבוחר את עומס העבודה לפי שם. השירות הזה מאפשר ל-Pods בצמתים שונים בפרוסת המארחים המרובים לתקשר זה עם זה באמצעות עדכון של הגדרת ה-DNS של Kubernetes כך שתצביע על ה-Pods בעומס העבודה.

    1. שומרים את קובץ המניפסט הבא בשם tpu-autopilot.yaml:

      apiVersion: v1
kind: Service
metadata:
  name: headless-svc
spec:
  clusterIP: None
  selector:
    job-name: tpu-job
---
apiVersion: batch/v1
kind: Job
metadata:
  name: tpu-job
spec:
  backoffLimit: 0
  parallelism: NUM_OF_VMS
  completions: NUM_OF_VMS
  completionMode: Indexed
  template:
    spec:
      # Optional: Run in GKE Sandbox
      # runtimeClassName: gvisor
      subdomain: headless-svc
      restartPolicy: Never
      nodeSelector:
        cloud.google.com/gke-tpu-accelerator: TPU_TYPE
        cloud.google.com/gke-tpu-topology: TPU_TOPOLOGY
        topology.kubernetes.io/zone: LOCATION
      containers:
      - name: tpu-job
        image: us-docker.pkg.dev/cloud-tpu-images/jax-ai-image/tpu:latest
        ports:
        - containerPort: 8471 # Default port using which TPU VMs communicate
        - containerPort: 8431 # Port to export TPU runtime metrics, if supported.
        command:
        - bash
        - -c
        - |
          python -c 'import jax; print("TPU cores:", jax.device_count())'
        resources:
          requests:
            cpu: 10
            memory: MEMORY_SIZE
            google.com/tpu: NUMBER_OF_CHIPS
          limits:
            cpu: 10
            memory: MEMORY_SIZE
            google.com/tpu: NUMBER_OF_CHIPS

      מחליפים את הערכים הבאים בסדר הזה:

      1. ‫TPU_TYPE: בוחרים את גרסת ה-TPU לשימוש, כמו tpu-v5-lite-podslice. הערך חייב להיות נתמך על ידי GKE.
      2. ‫LOCATION: אימות האזור שבו GKE ממקם את מכונות ה-TPU הווירטואליות.

        אופציונלי: אפשר להשתמש באזור AI, כמו us-central1-ai1a. אזורי AI הם מיקומים ייעודיים שעברו אופטימיזציה לעומסי עבודה של AI/ML בתוך Google Cloud אזורים.

      3. ‫TPU_TOPOLOGY: בוחרים את הסידור של שבבי ה-TPU בפרוסת ה-TPU, כמו 4x4. הטופולוגיה צריכה להיות נתמכת בסוג ה-TPU שנבחר.
      4. מחפשים את TPU_TYPE וTPU_TOPOLOGY שנבחרו בטבלה בקטע בחירת טופולוגיה:
        • ‫NUM_OF_VMS: צריך להשתמש בערך מהעמודה 'מספר מכונות וירטואליות' בעמודה 'מפרט טכני'. מגדירים את הערך הזה בשדות parallelism ו-completions במפרט המשרה.
        • ‫NUMBER_OF_CHIPS: מזינים את מספר השבבים לכל מכונה וירטואלית. כדי לחשב את המדד הזה, מחלקים את הערך בעמודה 'מספר שבבי TPU לטופולוגיה' בערך בעמודה 'מספר מכונות וירטואליות' בשורה שנבחרה. מגדירים את הערך הזה לבקשת המשאב google.com/tpu.
      5. ‫MEMORY_SIZE: כמות הזיכרון המקסימלית שבה נעשה שימוש ב-TPU. מגבלות הזיכרון תלויות בגרסת ה-TPU ובטופולוגיה שבהן אתם משתמשים. מידע נוסף זמין במאמר בנושא ערכי מינימום ומקסימום למאיצים.

      אפשר גם לשנות את השדות הבאים:

      • ‫image: הגדרה של תמונת ה-AI של JAX שבה ייעשה שימוש. בדוגמה של המניפסט, השדה הזה מוגדר לתמונה העדכנית ביותר של JAX AI. כדי להגדיר גרסה אחרת, אפשר לעיין ברשימה של תמונות AI עדכניות של JAX.
      • ‫runtimeClassname: gvisor: משתמשים בדגל הזה כדי להריץ את ה-Pod הזה ב-GKE Sandbox. כדי להשתמש, מבטלים את ההערה בשורה הזו. ‫GKE Sandbox תומך ב-TPU מגרסה v4 ואילך. מידע נוסף זמין במאמר בנושא ארגז חול של GKE.

      לדוגמה, נניח שיש tpu-v5-lite-podslice עם טופולוגיה של 4x4. ההגדרה הזו אומרת:

      • בטופולוגיה יש 16 צ'יפים בסך הכול (4*4=16).
      • ‫tpu-v5-lite-podslice נפרס ב-ct5lp-hightpu-4t מכונות עם ארבעה צ'יפים לכל מכונה וירטואלית. המשמעות היא שכדי לקבל טופולוגיה של 4x4, צריך ארבע מכונות וירטואליות (16/4=4). לכן, צריך להגדיר את השדות parallelism ו-completions לערך 4.
      • כל קונטיינר ב-Pod מבקש ארבעה שבבי TPU, שמתאימים למספר השבבים לכל מכונה וירטואלית. המניפסט מציין את זה בשורה google.com/tpu: 4.

    2. פריסת המשרה:

      kubectl create -f tpu-autopilot.yaml

      כשיוצרים את ה-Job הזה, מערכת GKE מבצעת באופן אוטומטי את הפעולות הבאות:

      1. הקצאת צמתים להרצת ה-Pods. בהתאם לסוג ה-TPU, לטופולוגיה ולבקשות המשאבים שציינתם, הצמתים האלה הם פרוסות של מארח יחיד או פרוסות של כמה מארחים.
      2. הוספת taints ל-Pods ו-tolerations לצמתים כדי למנוע הפעלה של עומסי עבודה אחרים באותם צמתים שבהם מופעלים עומסי עבודה של TPU.

    3. כדי להימנע מחיובים נוספים אחרי שסיימתם את החלק הזה, תוכלו למחוק את עומס העבודה שיצרתם:

      kubectl delete -f tpu-autopilot.yaml

    יצירת עומס עבודה שמבקש יחידות TPU ותזמון איסוף

    ב-TPU Trillium, אפשר להשתמש בתזמון איסוף כדי לקבץ צמתים של פרוסות TPU. קיבוץ של צמתי פרוסות TPU מקל על התאמת מספר הרפליקות כדי לעמוד בדרישות של עומס העבודה. Google Cloud הוא שולט בעדכוני תוכנה כדי להבטיח שתמיד יהיו מספיק פרוסות באוסף שיכולות לשרת תעבורה.

    ‫TPU Trillium תומך בתזמון איסוף עבור מאגרי צמתים עם מארח יחיד ומאגרי צמתים עם כמה מארחים שמריצים עומסי עבודה של הסקה. בהמשך מוסבר איך התנהגות התזמון של איסוף הנתונים משתנה בהתאם לסוג פרוסת ה-TPU שבה משתמשים:

    • ‫Multi-host TPU slice: GKE groups multi-host TPU slices to form a collection. כל מאגר צמתים של GKE הוא עותק משוכפל באוסף הזה. כדי להגדיר אוסף, יוצרים פלח TPU מרובה-מארחים ומקצים לאוסף שם ייחודי. כדי להוסיף עוד חלקי TPU לאוסף, יוצרים עוד מאגר צמתים של חלקי TPU עם כמה מארחים, עם אותו שם אוסף וסוג עומס עבודה.
    • פרוסת TPU במארח יחיד:‏ GKE מתייחס למאגר הצמתים של פרוסת TPU במארח יחיד כאל אוסף. כדי להוסיף עוד חלקי TPU לאוסף, אפשר לשנות את הגודל של מאגר הצמתים של חלקי ה-TPU במארח יחיד.

    מידע על המגבלות של תזמון איסוף נתונים זמין במאמר איך מתזמנים איסוף נתונים

    שימוש בפרוסת TPU מרובת מארחים

    תזמון איסוף בצמתים של פרוסות TPU מרובות מארחים זמין באשכולות Autopilot בגרסה 1.31.2-gke.1537000 ואילך. צומתי TPU slice עם כמה מארחים עם טופולוגיה 2x4 נתמכים רק בגרסה 1.31.2-gke.1115000 ואילך. כדי ליצור צמתים של פלח TPU מרובה-מארחים ולקבץ אותם כאוסף, מוסיפים את תוויות Kubernetes הבאות למפרט עומס העבודה:

    • ‫cloud.google.com/gke-nodepool-group-name: לכל אוסף צריך להיות שם ייחודי ברמת האשכול. הערך בתווית cloud.google.com/gke-nodepool-group-name צריך לעמוד בדרישות של תוויות אשכול.

    • cloud.google.com/gke-workload-type: HIGH_AVAILABILITY

      לדוגמה, בלוק הקוד הבא מגדיר אוסף עם פרוסת TPU מרובת-מארחים:

        nodeSelector:
    cloud.google.com/gke-nodepool-group-name: ${COLLECTION_NAME}
    cloud.google.com/gke-workload-type: HIGH_AVAILABILITY
    cloud.google.com/gke-tpu-accelerator: tpu-v6e-slice
    cloud.google.com/gke-tpu-topology: 4x4
...

    שימוש בפרוסת TPU עם מארח יחיד

    תזמון איסוף ב-TPU slice nodes של מארח יחיד זמין באשכולות Autopilot בגרסה 1.31.2-gke.1088000 ואילך. כדי ליצור צמתים של פרוסות TPU במארח יחיד ולקבץ אותם כאוסף, מוסיפים את התווית cloud.google.com/gke-workload-type:HIGH_AVAILABILITY למפרט של עומס העבודה.

    לדוגמה, בלוק הקוד הבא מגדיר אוסף עם פרוסת TPU של מארח יחיד:

      nodeSelector:
    cloud.google.com/gke-tpu-accelerator: tpu-v6e-slice
    cloud.google.com/gke-tpu-topology: 2x2
    cloud.google.com/gke-workload-type: HIGH_AVAILABILITY
  ...

    שימוש במחלקות מחשוב מותאמות אישית לפריסת אוסף

    מידע נוסף על פריסת עומס עבודה שמבקש תזמון של עומס עבודה ואיסוף של TPU באמצעות מחלקות מחשוב בהתאמה אישית זמין במאמרים איסוף TPU מריבוי מארחים והגדרת סוג עומס עבודה עבור TPU SLO.

    דוגמה: הצגת מספר שבבי ה-TPU הכולל בפרוסת TPU מרובת מארחים

    עומס העבודה הבא מחזיר את מספר שבבי ה-TPU בכל הצמתים בפלח TPU מרובה מארחים. כדי ליצור פלח של כמה מארחים, עומדים לרשות עומס העבודה הפרמטרים הבאים:

    • גרסת TPU: ‏ TPU v4
    • טופולוגיה: 2x2x4

    הבחירה הזו של גרסה וטופולוגיה מובילה לפרוסת רשת מרובת מארחים.

    1. שומרים את קובץ המניפסט הבא בשם available-chips-multihost.yaml: 
      apiVersion: v1
kind: Service
metadata:
  name: headless-svc
spec:
  clusterIP: None
  selector:
    job-name: tpu-available-chips
---
apiVersion: batch/v1
kind: Job
metadata:
  name: tpu-available-chips
spec:
  backoffLimit: 0
  completions: 4
  parallelism: 4
  completionMode: Indexed
  template:
    spec:
      subdomain: headless-svc
      restartPolicy: Never
      nodeSelector:
        cloud.google.com/gke-tpu-accelerator: tpu-v4-podslice # Node selector to target TPU v4 slice nodes.
        cloud.google.com/gke-tpu-topology: 2x2x4 # Specifies the physical topology for the TPU slice.
      containers:
      - name: tpu-job
        image: us-docker.pkg.dev/cloud-tpu-images/jax-ai-image/tpu:latest
        ports:
        - containerPort: 8471 # Default port using which TPU VMs communicate
        - containerPort: 8431 # Port to export TPU runtime metrics, if supported.
        command:
        - bash
        - -c
        - |
          python -c 'import jax; print("TPU cores:", jax.device_count())' # Python command to count available TPU chips.
        resources:
          requests:
            cpu: 10
            memory: 407Gi
            google.com/tpu: 4 # Request 4 TPU chips for this workload.
          limits:
            cpu: 10
            memory: 407Gi
            google.com/tpu: 4 # Limit to 4 TPU chips for this workload.
    2. פורסים את המניפסט: 
      kubectl create -f available-chips-multihost.yaml

      ‫GKE מפעיל פרוסת TPU v4 עם ארבע מכונות וירטואליות (פרוסת TPU מרובת מארחים). הפרוסה כוללת 16 שבבי TPU מחוברים.

    3. מוודאים שעבודת ה-Job יצרה ארבעה פודים: 
      kubectl get pods

      הפלט אמור להיראות כך:

      NAME                       READY   STATUS      RESTARTS   AGE
tpu-job-podslice-0-5cd8r   0/1     Completed   0          97s
tpu-job-podslice-1-lqqxt   0/1     Completed   0          97s
tpu-job-podslice-2-f6kwh   0/1     Completed   0          97s
tpu-job-podslice-3-m8b5c   0/1     Completed   0          97s
    4. אחזור היומנים של אחד מה-Pods: 
      kubectl logs POD_NAME

      מחליפים את POD_NAME בשם של אחד מה-Pods שנוצרו. לדוגמה, tpu-job-podslice-0-5cd8r.

      הפלט אמור להיראות כך: 

      TPU cores: 16
    5. אופציונלי: מסירים את עומס העבודה: 
      kubectl delete -f available-chips-multihost.yaml

    דוגמה: הצגת שבבי ה-TPU בצומת יחיד

    עומס העבודה הבא הוא Pod סטטי שמציג את מספר שבבי ה-TPU שמצורפים לצומת ספציפי. כדי ליצור צומת עם מארח יחיד, צריך להגדיר את הפרמטרים הבאים של עומס העבודה:

    • גרסת TPU: ‏ TPU v5e
    • טופולוגיה: 2x4

    הגרסה והטופולוגיה שנבחרו יוצרות פרוסה של מארח יחיד.

    1. שומרים את קובץ המניפסט הבא בשם available-chips-singlehost.yaml: 
      apiVersion: v1
kind: Pod
metadata:
  name: tpu-job-jax-v5
spec:
  restartPolicy: Never
  nodeSelector:
    cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice # Node selector to target TPU v5e slice nodes.
    cloud.google.com/gke-tpu-topology: 2x4 # Specify the physical topology for the TPU slice.
  containers:
  - name: tpu-job
    image: us-docker.pkg.dev/cloud-tpu-images/jax-ai-image/tpu:latest
    ports:
    - containerPort: 8431 # Port to export TPU runtime metrics, if supported.
    command:
    - bash
    - -c
    - |
      python -c 'import jax; print("Total TPU chips:", jax.device_count())'
    resources:
      requests:
        google.com/tpu: 8 # Request 8 TPU chips for this container.
      limits:
        google.com/tpu: 8 # Limit to 8 TPU chips for this container.
    2. פורסים את המניפסט: 
      kubectl create -f available-chips-singlehost.yaml

      ‫GKE מספק צמתים עם שמונה פרוסות TPU של מארח יחיד שמשתמשות ב-TPU v5e. לכל צומת TPU יש שמונה שבבי TPU (פרוסת TPU של מארח יחיד).

    3. אחזור היומנים של ה-Pod: 
      kubectl logs tpu-job-jax-v5

      הפלט אמור להיראות כך: 

      Total TPU chips: 8
    4. אופציונלי: מסירים את עומס העבודה: 
        kubectl delete -f available-chips-singlehost.yaml

    התבוננות במעבדי TPU ומעקב אחריהם

    מרכז שליטה

    האפשרות 'תצפית על מאגר צמתים' במסוףGoogle Cloud זמינה לכלל המשתמשים. כדי לראות את הסטטוס של מאגרי הצמתים של TPU מרובי-מארחים ב-GKE, עוברים אל לוח הבקרה GKE TPU Node Pool Status שמוצג על ידי Cloud Monitoring:

    מעבר לסטטוס של מאגר צמתים של GKE TPU

    לוח הבקרה הזה מספק תובנות מקיפות לגבי תקינות המאגרים של צמתי TPU עם כמה מארחים. מידע נוסף זמין במאמר מעקב אחרי מדדי תקינות של צמתי TPU ומאגרי צמתים.

    בדף Kubernetes Clusters במסוףGoogle Cloud , בכרטיסייה Observability מוצגים גם מדדי יכולת הצפייה ב-TPU, כמו השימוש ב-TPU, בכותרת Accelerators > TPU. מידע נוסף מופיע במאמר הצגת מדדי יכולת התבוננות.

    מרכז הבקרה של TPU מתמלא רק אם הפעלתם מדדים של המערכת באשכול GKE.

    מדדים בזמן ריצה

    ב-GKE מגרסה 1.27.4-gke.900 ואילך, עומסי עבודה של TPU שמשתמשים ב-JAX מגרסה 0.4.14 ואילך ומציינים containerPort: 8431 מייצאים מדדי ניצול של TPU בתור מדדי מערכת של GKE. המדדים הבאים זמינים ב-Cloud Monitoring כדי לעקוב אחרי ביצועי זמן הריצה של עומס העבודה של TPU:

    • ‫Duty cycle: אחוז הזמן במהלך תקופת הדגימה האחרונה (60 שניות) שבה ליבות ה-TensorCore עיבדו באופן פעיל שבב TPU. אחוז גבוה יותר מצביע על ניצול טוב יותר של ה-TPU.
    • הזיכרון בשימוש: כמות הזיכרון של המאיץ שהוקצתה בבייטים. נדגמים כל 60 שניות.
    • ‫Memory total: סך הזיכרון של המאיץ בבייטים. המדדים נדגמים כל 60 שניות.

    המדדים האלה נמצאים בסכימה של צומת Kubernetes ‏ (k8s_node) וקונטיינר Kubernetes ‏ (k8s_container).

    מאגר Kubernetes:

    • kubernetes.io/container/accelerator/duty_cycle
    • kubernetes.io/container/accelerator/memory_used
    • kubernetes.io/container/accelerator/memory_total

    צומת Kubernetes:

    • kubernetes.io/node/accelerator/duty_cycle
    • kubernetes.io/node/accelerator/memory_used
    • kubernetes.io/node/accelerator/memory_total

    מעקב אחרי מדדי הבריאות של צמתי TPU ושל מאגרי צמתים

    אם משימת אימון מסתיימת בשגיאה או נכשלת, אפשר לבדוק את המדדים שקשורים לתשתית הבסיסית כדי להבין אם ההפרעה נגרמה בגלל בעיה בצומת הבסיסי או במאגר הצמתים.

    סטטוס הצומת

    ב-GKE גרסה ‎1.32.1-gke.1357001 ואילך, מדד המערכת של GKE הבא חושף את מצב הצומת של GKE:

    • kubernetes.io/node/status_condition

    בשדה condition מדווחים על התנאים בצומת, כמו Ready, ‏DiskPressure ו-MemoryPressure. בשדה status מוצג הסטטוס המדווח של התנאי, שיכול להיות True,‏ False או Unknown. זהו מדד עם סוג המשאב במעקב k8s_node.

    השאילתה הזו ב-PromQL מראה אם צומת מסוים הוא Ready:

    kubernetes_io:node_status_condition{
    monitored_resource="k8s_node",
    cluster_name="CLUSTER_NAME",
    node_name="NODE_NAME",
    condition="Ready",
    status="True"}

    כדי לפתור בעיות באשכול, כדאי לבדוק צמתים שבהם התקיימו תנאים אחרים:

    kubernetes_io:node_status_condition{
    monitored_resource="k8s_node",
    cluster_name="CLUSTER_NAME",
    condition!="Ready",
    status="True"}

    כדאי לבדוק במיוחד צמתים שלא מסומנים בסימן Ready:

    kubernetes_io:node_status_condition{
    monitored_resource="k8s_node",
    cluster_name="CLUSTER_NAME",
    condition="Ready",
    status="False"}

    אם אין נתונים, הצמתים מוכנים. תנאי הסטטוס נדגם כל 60 שניות.

    אפשר להשתמש בשאילתה הבאה כדי להבין את סטטוס הצומת בכל הצי:

    avg by (condition,status)(
  avg_over_time(
    kubernetes_io:node_status_condition{monitored_resource="k8s_node"}[${__interval}]))

    הסטטוס של מאגר הצמתים

    מדד המערכת הבא של GKE עבור המשאב במעקב k8s_node_pool חושף את הסטטוס של מאגר צמתים ב-GKE:

    • kubernetes.io/node_pool/status

    המדד הזה מדווח רק עבור מאגרי צמתים של TPU עם כמה מארחים.

    בשדה status מדווח הסטטוס של מאגר הצמתים, למשל Provisioning,‏ Running,‏ Error,‏ Reconciling או Stopping. העדכונים בסטטוס מתרחשים אחרי שפעולות GKE API מסתיימות.

    כדי לבדוק אם סטטוס של מאגר צמתים מסוים הוא Running, משתמשים בשאילתת PromQL הבאה:

    kubernetes_io:node_pool_status{
    monitored_resource="k8s_node_pool",
    cluster_name="CLUSTER_NAME",
    node_pool_name="NODE_POOL_NAME",
    status="Running"}

    כדי לעקוב אחרי מספר מאגרי הצמתים בפרויקט שלכם, מקובצים לפי הסטטוס שלהם, משתמשים בשאילתת PromQL הבאה:

    count by (status)(
  count_over_time(
    kubernetes_io:node_pool_status{monitored_resource="k8s_node_pool"}[${__interval}]))

    זמינות של מאגר צמתים

    מדד המערכת הבא של GKE מראה אם מאגר צומתי TPU מרובי-מארחים זמין:

    • kubernetes.io/node_pool/multi_host/available

    הערך של המדד הוא True אם כל הצמתים במאגר הצמתים זמינים, ו-False אחרת. המדד נדגם כל 60 שניות.

    כדי לבדוק את הזמינות של מאגרי צמתי TPU מרובי-מארחים בפרויקט, משתמשים בשאילתת PromQL הבאה:

    avg by (node_pool_name)(
  avg_over_time(
    kubernetes_io:node_pool_multi_host_available{
      monitored_resource="k8s_node_pool",
      cluster_name="CLUSTER_NAME"}[${__interval}]))

    מספר ההפרעות בצומת

    מדד המערכת של GKE הבא מדווח על מספר ההפרעות בצומת GKE מאז הדגימה האחרונה (המדד נדגם כל 60 שניות):

    • kubernetes.io/node/interruption_count

    השדות interruption_type (למשל TerminationEvent, ‏MaintenanceEvent או PreemptionEvent) ו-interruption_reason (למשל HostError, ‏Eviction או AutoRepair) יכולים לעזור להבין למה הייתה הפרעה בצומת.

    כדי לקבל פירוט של ההפרעות והסיבות להן בצמתי TPU באשכולות בפרויקט, משתמשים בשאילתת PromQL הבאה:

      sum by (interruption_type,interruption_reason)(
    sum_over_time(
      kubernetes_io:node_interruption_count{monitored_resource="k8s_node"}[${__interval}]))

    כדי לראות רק את אירועי התחזוקה של המארח, צריך לעדכן את השאילתה כדי לסנן את הערך HW/SW Maintenance בשדה interruption_reason. משתמשים בשאילתת PromQL הבאה:

      sum by (interruption_type,interruption_reason)(
    sum_over_time(
      kubernetes_io:node_interruption_count{monitored_resource="k8s_node", interruption_reason="HW/SW Maintenance"}[${__interval}]))

    כדי לראות את מספר ההפרעות שמצטבר לפי מאגר צמתים, משתמשים בשאילתת PromQL הבאה:

      sum by (node_pool_name,interruption_type,interruption_reason)(
    sum_over_time(
      kubernetes_io:node_pool_interruption_count{monitored_resource="k8s_node_pool", interruption_reason="HW/SW Maintenance", node_pool_name=NODE_POOL_NAME }[${__interval}]))

    זמני השחזור (TTR) של מאגרי הצמתים

    מדד המערכת הבא של GKE מציג את התפלגות משכי תקופות השחזור של מאגרי צמתים של GKE TPU עם כמה מארחים:

    • kubernetes.io/node_pool/accelerator/times_to_recover

    כל דגימה שמתועדת במדד הזה מציינת אירוע שחזור יחיד של מאגר הצמתים מתקופת השבתה.

    המדד הזה שימושי למעקב אחרי הזמן שנדרש למאגר צמתים של TPU מרובה מארחים להתאושש, והזמן בין שיבושים.

    אפשר להשתמש בשאילתת PromQL הבאה כדי לחשב את הזמן הממוצע לשחזור (MTTR) ב-7 הימים האחרונים באשכול:

    sum(sum_over_time(
  kubernetes_io:node_pool_accelerator_times_to_recover_sum{
    monitored_resource="k8s_node_pool", cluster_name="CLUSTER_NAME"}[7d]))
/
sum(sum_over_time(
  kubernetes_io:node_pool_accelerator_times_to_recover_count{
    monitored_resource="k8s_node_pool",cluster_name="CLUSTER_NAME"}[7d]))

    זמן בין הפרעות (TBI) במאגר הצמתים

    מדד המערכת הבא של GKE מציג את התפלגות הזמנים בין סוף ההפרעה האחרונה לבין תחילת ההפרעה הנוכחית עבור מאגרי צומתי TPU מרובי-מארחים ב-GKE:

    • kubernetes.io/node_pool/accelerator/times_between_interruptions

    כל דגימה שמתועדת במדד הזה מציינת משך זמן יחיד בין ההפרעה האחרונה להפרעה הנוכחית.

    כדי לחשב את הזמן הממוצע בין הפרעות (MTBI) באשכול שלכם ב-7 הימים האחרונים, משתמשים בשאילתת PromQL הבאה:

    sum(sum_over_time(
  kubernetes_io:node_pool_accelerator_times_between_interruptions_sum{
    monitored_resource="k8s_node_pool", cluster_name="CLUSTER_NAME"}[7d]))
/
sum(sum_over_time(
  kubernetes_io:node_pool_accelerator_times_between_interruptions_count{
    monitored_resource="k8s_node_pool",cluster_name="CLUSTER_NAME"}[7d]))

    מדדי מארח

    ב-GKE בגרסה 1.28.1-gke.1066000 ואילך, מכונות וירטואליות בפרוסת TPU מייצאות מדדי ניצול של TPU בתור מדדי מערכת של GKE. המדדים הבאים זמינים ב-Cloud Monitoring כדי לעקוב אחרי הביצועים של מארח ה-TPU:

    • ‫TensorCore utilization: אחוז הניצול הנוכחי של TensorCore. הערך של TensorCore שווה לסכום של יחידות הכפל של המטריצה (MXU) בתוספת יחידת הווקטור. ערך הניצול של TensorCore הוא תוצאת החלוקה של פעולות TensorCore שבוצעו במהלך תקופת הדגימה האחרונה (60 שניות) במספר הפעולות של TensorCore הנתמכות במהלך אותה תקופה. ערך גבוה יותר מצביע על ניצול טוב יותר.
    • ‫Memory bandwidth utilization: האחוז הנוכחי של רוחב פס הזיכרון של המאיץ שנמצא בשימוש. החישוב מתבצע על ידי חלוקת רוחב הפס של הזיכרון שנעשה בו שימוש במהלך תקופת דגימה (60 שניות) ברוחב הפס המקסימלי הנתמך במהלך אותה תקופת דגימה.

    המדדים האלה נמצאים בסכימה של צומת Kubernetes ‏ (k8s_node) וקונטיינר Kubernetes ‏ (k8s_container).

    מאגר Kubernetes:

    • kubernetes.io/container/accelerator/tensorcore_utilization
    • kubernetes.io/container/accelerator/memory_bandwidth_utilization

    צומת Kubernetes:

    • kubernetes.io/node/accelerator/tensorcore_utilization
    • kubernetes.io/node/accelerator/memory_bandwidth_utilization

    מידע נוסף זמין במאמרים בנושא מדדים של Kubernetes ומדדים של מערכת GKE.

    רישום ביומן

    היומנים שנוצרים על ידי קונטיינרים שפועלים בצמתים של GKE, כולל מכונות וירטואליות של TPU, נאספים על ידי סוכן הרישום ביומן של GKE, נשלחים ל-Logging ומוצגים ב-Logging.

    המלצות לגבי עומסי עבודה של TPU ב-Autopilot

    ההמלצות הבאות עשויות לשפר את היעילות של עומסי העבודה ב-TPU:

    • אפשר להשתמש בתאי Pod עם זמן ריצה ממושך כדי לקבל תקופת חסד של עד שבעה ימים לפני ש-GKE מפסיק את תאי ה-Pod שלכם לצורך הקטנת קנה מידה או שדרוג צמתים. כדי לדחות עוד יותר את השדרוגים האוטומטיים של הצמתים, אפשר להשתמש בחלונות תחזוקה ובהחרגות עם Pods עם זמן ריצה ממושך.
    • כדי לוודא שעומסי העבודה מקבלים את יחידות ה-TPU המבוקשות בלי להיכנס לתור להמתנה לזמינות, משתמשים בהזמנות של קיבולת.

    כדי ללמוד איך להגדיר Cloud TPU ב-GKE, אפשר לעיין במשאבים הבאים: Google Cloud