通过 MaxDiffusion 使用 GKE 上的 TPU 应用 Stable Diffusion XL (SDXL)

Autopilot Standard

本教程介绍了如何通过 MaxDiffusion，使用 Google Kubernetes Engine (GKE) 上的张量处理单元 (TPU) 应用 SDXL 图片生成模型。在本教程中，您将从 Hugging Face 下载模型，然后使用运行 MaxDiffusion 的容器将其部署到 Autopilot 或 Standard 集群上。

如果您在部署和应用 AI/机器学习工作负载时需要利用托管式 Kubernetes 的精细控制、自定义、可伸缩性、弹性、可移植性和成本效益，那么本指南是一个很好的起点。如果您需要统一的托管式 AI 平台来经济高效地快速构建和应用机器学习模型，我们建议您试用我们的 Vertex AI 部署解决方案。

背景

通过 MaxDiffusion 使用 GKE 上的 TPU 来应用 SDXL，您可以构建一个可用于生产用途的强大服务解决方案，具备托管式 Kubernetes 的所有优势，包括经济高效、可伸缩性和更高的可用性。本部分介绍本教程中使用的关键技术。

Stable Diffusion XL (SDXL)

Stable Diffusion XL (SDXL) 是 MaxDiffusion 支持用于推理的一种潜在 diffusion 模型 (LDM)。对于生成式 AI，您可以使用 LDM 基于文本描述生成高质量的图片。LDM 对于图片搜索和图片标注等应用非常有用。

SDXL 支持使用分片注解进行单主机或多主机推理。这样一来，SDXL 就可以跨多个机器进行训练和运行，从而提高效率。

如需了解详情，请参阅 Stability AI 仓库提供的生成模型和 SDXL 论文。

TPU

TPU 是 Google 定制开发的应用专用集成电路 (ASIC)，用于加速机器学习和使用 TensorFlow、PyTorch 和 JAX 等框架构建的 AI 模型。

使用 GKE 中的 TPU 之前，我们建议您完成以下学习路线：

1. 了解 Cloud TPU 系统架构中的当前 TPU 版本可用性。
2. 了解 GKE 中的 TPU。

本教程介绍如何提供 SDXL 模型。GKE 在单主机 TPU v5e 节点上部署模型，并根据模型要求配置 TPU 拓扑，以低延迟响应提示。在本指南中，该模型使用具有 1x1 拓扑的 TPU v5e 芯片。

MaxDiffusion

MaxDiffusion 是一系列用 Python 和 Jax 编写的参考实现，其中包含在 XLA 设备（包括 TPU 和 GPU）上运行的各种潜在 diffusion 模型。MaxDiffusion 是 Diffusion 项目的起点，可用于研究和生产。

如需了解详情，请参阅 MaxDiffusion 仓库。

目标

本教程适用于使用 JAX 的生成式 AI 客户、SDXL 的新用户或现有用户、任何机器学习工程师、MLOps (DevOps) 工程师或是对使用 Kubernetes 容器编排功能应用 LLM 感兴趣的平台管理员。

本教程介绍以下步骤：

1. 根据模型特征创建一个具有推荐 TPU 拓扑的 GKE Autopilot 或 Standard 集群。
2. 构建 SDXL 推理容器映像。
3. 在 GKE 上部署 SDXL 推理服务器。
4. 通过 Web 应用应用模型并与之交互。

架构

本部分介绍本教程中使用的 GKE 架构。该架构包括 GKE Autopilot 集群或 Standard 集群，用于预配 TPU 和托管 MaxDiffusion 组件。GKE 使用这些组件来部署和应用模型。

下图展示了此架构的组件：

此架构包括以下组件：

• GKE Autopilot 或 Standard 区域级集群。
• 一个单主机 TPU 切片节点池，用于在 MaxDiffusion 部署中托管 SDXL 模型。
• 具有 ClusterIP 类型的负载均衡器的 Service 组件。此 Service 会将入站流量分布到所有 MaxDiffusion HTTP 副本。
• 具有外部 LoadBalancer Service 的 WebApp HTTP 服务器，该 Service 分配入站流量并将模型服务流量重定向到 ClusterIP Service。

准备工作

登录您的 Google Cloud 账号。如果您是 Google Cloud的新用户， 请创建一个账号，以评估我们的产品在 实际场景中的表现。新客户还可获享 $300 赠金，用于 运行、测试和部署工作负载。

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 APIs.

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 APIs

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 APIs.

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 APIs

• 确保您在项目中拥有以下一个或多个角色： roles/container.admin、roles/iam.serviceAccountAdmin、roles/artifactregistry.admin、roles/cloudbuild.builds.editor

  检查角色

  1. 在 Google Cloud 控制台中，前往 IAM 页面。

     转到 IAM
  2. 选择项目。

  3. 在主账号 列中，找到标识您或您所属群组的所有行。如需了解您属于哪些群组，请与您的 管理员联系。

  4. 对于指定或包含您的所有行，请检查角色 列，查看 角色列表是否包含所需角色。

  授予角色

  1. 在 Google Cloud 控制台中，前往 IAM 页面。

     转到 IAM
  2. 选择项目。
  3. 点击 授予访问权限。

  4. 在新的主账号 字段中，输入您的用户标识符。 这通常是 Google 账号的电子邮件地址。

  5. 点击选择角色，然后搜索相应角色。
  6. 如需授予其他角色，请点击 添加其他角色 ，然后添加其他各个角色。
  7. 点击 Save （保存）。

• 检查您是否有足够的 TPU v5e PodSlice Lite 芯片配额。 在本教程中，您将使用按需实例。

准备环境

在本教程中，您将使用 Cloud Shell 来管理Google Cloud上托管的资源。Cloud Shell 预安装有本教程所需的软件，包括 kubectl 和 gcloud CLI。

如需使用 Cloud Shell 设置您的环境，请按照以下步骤操作：

1. 在 Google Cloud 控制台中，点击 Google Cloud 控制台中的 激活 Cloud Shell 以启动 Cloud Shell 会话。此操作会在 Google Cloud 控制台的底部窗格中启动会话。

2. 设置默认环境变量：

   gcloud config set project PROJECT_ID
   gcloud config set billing/quota_project PROJECT_ID
   export PROJECT_ID=$(gcloud config get project)
   export CLUSTER_NAME=CLUSTER_NAME
   export CLUSTER_VERSION=CLUSTER_VERSION
   export REGION=REGION_NAME
   export ZONE=ZONE
   

   替换以下值：

   • PROJECT_ID：您的 Google Cloud 项目 ID。
   • CLUSTER_NAME：您的 GKE 集群的名称。
   • CLUSTER_VERSION：GKE 版本。您必须指定支持 TPU Trillium (v6e) 的 GKE 版本。 如需了解详情，请参阅 验证 GKE 中的 TPU 可用性。
   • REGION_NAME：GKE 集群、Cloud Storage 存储桶和 TPU 节点所在的区域。该区域包含可以使用 TPU v5e 机器类型的可用区（例如 us-west1、us-west4、us-central1、us-east1、us-east5 或 europe-west4）。
   • （仅限标准集群）ZONE：可以使用 TPU 资源的可用区（例如 us-west4-a）。对于 Autopilot 集群，您无需指定可用区，只需指定区域。

3. 克隆示例代码库并打开教程目录：

   git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples
   cd kubernetes-engine-samples/ai-ml/maxdiffusion-tpu
   WORK_DIR=$(pwd)
   gcloud artifacts repositories create gke-llm --repository-format=docker --location=$REGION
   gcloud auth configure-docker $REGION-docker.pkg.dev
   

创建和配置 Google Cloud 资源

请按照以下说明创建所需的资源。

注意：您可能需要创建容量预留才能使用某些加速器。如需了解如何预留和使用预留的资源，请参阅使用预留的可用区级资源。

创建 GKE 集群

您可以在 GKE Autopilot 或 Standard 集群中的 TPU 上应用 SDXL。我们建议您使用 Autopilot 集群获得全托管式 Kubernetes 体验。如需选择最适合您的工作负载的 GKE 操作模式，请参阅选择 GKE 操作模式。

Autopilot

1. 在 Cloud Shell 中，运行以下命令：

   gcloud container clusters create-auto ${CLUSTER_NAME} \
     --project=${PROJECT_ID} \
     --location=${REGION} \
     --release-channel=rapid \
     --cluster-version=${CLUSTER_VERSION}
   

   GKE 会根据所部署的工作负载的请求，创建具有所需 CPU 和 TPU 节点的 Autopilot 集群。

2. 配置 kubectl 以与您的集群通信：

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

Standard

1. 创建使用适用于 GKE 的工作负载身份联合的区域级 GKE Standard 集群。

   gcloud container clusters create ${CLUSTER_NAME} \
       --enable-ip-alias \
       --machine-type=n2-standard-4 \
       --num-nodes=2 \
       --workload-pool=${PROJECT_ID}.svc.id.goog \
       --location=${REGION}
   

   集群创建可能需要几分钟的时间。

2. 运行以下命令来为集群创建节点池：

   gcloud container node-pools create maxdiffusion-tpu-nodepool \
     --cluster=${CLUSTER_NAME} \
     --machine-type=ct5lp-hightpu-1t \
     --num-nodes=1 \
     --location=${REGION} \
     --node-locations=${ZONE} \
     --spot
   

   GKE 会创建具有 1x1 拓扑和一个节点的 TPU v5e 节点池。

   如需创建具有不同拓扑的节点池，请了解如何 规划 TPU 配置。 请务必更新本教程中的示例值，例如 cloud.google.com/gke-tpu-topology 和 google.com/tpu。

3. 配置 kubectl 以与您的集群通信：

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

构建 SDXL 推理容器

请按照以下说明为 SDXL 推理服务器构建容器映像。

1. 打开 build/server/cloudbuild.yaml 清单：

   steps:
   - name: 'gcr.io/cloud-builders/docker'
     args: [ 'build', '-t', '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion:latest', '.' ]
   images:
   - '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion:latest'

2. 执行构建并创建推理容器映像。

   cd $WORK_DIR/build/server
   gcloud builds submit . --region=$REGION
   

   输出包含容器映像的路径。

部署 SDXL 推理服务器

在本部分中，您将部署 SDXL 推理服务器。本教程将使用 Kubernetes Deployment 来部署该服务器。Deployment 是一个 Kubernetes API 对象，可让您运行在集群节点中分布的多个 Pod 副本。

1. 探索 serve_sdxl_v5e.yaml 清单。

   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: stable-diffusion-deployment
   spec:
     selector:
       matchLabels:
         app: max-diffusion-server
     replicas: 1  # number of nodes in node-pool
     template:
       metadata:
         labels:
           app: max-diffusion-server
       spec:
         nodeSelector:
           cloud.google.com/gke-tpu-topology: 1x1 #  target topology
           cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
           #cloud.google.com/gke-spot: "true"
         volumes:
         - name: dshm
           emptyDir:
                 medium: Memory
         containers:
         - name: serve-stable-diffusion
           image: REGION-docker.pkg.dev/PROJECT_ID/gke-llm/max-diffusion:latest
           env:
           - name: MODEL_NAME
             value: 'stable_diffusion'
           ports:
           - containerPort: 8000
           resources:
             requests:
               google.com/tpu: 1  # TPU chip request
             limits:
               google.com/tpu: 1  # TPU chip request
           volumeMounts:
               - mountPath: /dev/shm
                 name: dshm
   
   ---
   apiVersion: v1
   kind: Service
   metadata:
     name: max-diffusion-server
     labels:
       app: max-diffusion-server
   spec:
     type: ClusterIP
     ports:
       - port: 8000
         targetPort: 8000
         name: http-max-diffusion-server
         protocol: TCP
     selector:
       app: max-diffusion-server

2. 更新清单中的项目 ID。

   cd $WORK_DIR
   perl -pi -e 's|PROJECT_ID|PROJECT_ID|g' serve_sdxl_v5e.yaml
   perl -pi -e 's|REGION|REGION_NAME|g' serve_sdxl_v5e.yaml
   

3. 应用清单：

   kubectl apply -f serve_sdxl_v5e.yaml
   

   输出类似于以下内容：

   deployment.apps/max-diffusion-server created
   

4. 验证模型的状态：

   kubectl get deploy --watch
   

   输出类似于以下内容：

   NAME                          READY   UP-TO-DATE   AVAILABLE   AGE
   stable-diffusion-deployment   1/1     1            1           8m21s
   

5. 检索 ClusterIP 地址：

   kubectl get service max-diffusion-server
   

   输出包含 ClusterIP 字段。请记下 CLUSTER-IP 值。

6. 验证 Deployment：

    export ClusterIP=CLUSTER_IP
    kubectl run curl --image=curlimages/curl \
       -it --rm --restart=Never \
       -- "$ClusterIP:8000"
   

   将 CLUSTER_IP 替换为您前面记下的 CLUSTER-IP 值。输出类似于以下内容：

   {"message":"Hello world! From FastAPI running on Uvicorn with Gunicorn."}
   pod "curl" deleted
   

7. 查看 Deployment 的日志：

   kubectl logs -l app=max-diffusion-server
   

   Deployment 完成后，输出类似于以下内容：

   2024-06-12 15:45:45,459 [INFO] __main__: replicate params:
   2024-06-12 15:45:46,175 [INFO] __main__: start initialized compiling
   2024-06-12 15:45:46,175 [INFO] __main__: Compiling ...
   2024-06-12 15:45:46,175 [INFO] __main__: aot compiling:
   2024-06-12 15:45:46,176 [INFO] __main__: tokenize prompts:2024-06-12 15:48:49,093 [INFO] __main__: Compiled in 182.91802048683167
   INFO:     Started server process [1]
   INFO:     Waiting for application startup.
   INFO:     Application startup complete.
   

部署 webapp 客户端

在本部分中，您将部署 webapp 客户端以应用 SDXL 模型。

1. 探索 build/webapp/cloudbuild.yaml 清单。

   steps:
   - name: 'gcr.io/cloud-builders/docker'
     args: [ 'build', '-t', '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion-web:latest', '.' ]
   images:
   - '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion-web:latest'

2. 执行构建并在 build/webapp 目录下创建客户端容器映像。

   cd $WORK_DIR/build/webapp
   gcloud builds submit . --region=$REGION
   

   输出包含容器映像的路径。

3. 打开 serve_sdxl_client.yaml 清单：

   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: max-diffusion-client
   spec:
     selector:
       matchLabels:
         app: max-diffusion-client
     template:
       metadata:
         labels:
           app: max-diffusion-client
       spec:
         containers:
         - name: webclient
           image: REGION-docker.pkg.dev/PROJECT_ID/gke-llm/max-diffusion-web:latest
           env:
             - name: SERVER_URL
               value: "http://ClusterIP:8000"
           resources:
             requests:
               memory: "128Mi"
               cpu: "250m"
             limits:
               memory: "256Mi"
               cpu: "500m"
           ports:
           - containerPort: 5000
   ---
   apiVersion: v1
   kind: Service
   metadata:
     name: max-diffusion-client-service
   spec:
     type: LoadBalancer
     selector:
       app: max-diffusion-client
     ports:
     - port: 8080
       targetPort: 5000

4. 修改清单中的项目 ID：

   cd $WORK_DIR
   perl -pi -e 's|PROJECT_ID|PROJECT_ID|g' serve_sdxl_client.yaml
   perl -pi -e 's|ClusterIP|CLUSTER_IP|g' serve_sdxl_client.yaml
   perl -pi -e 's|REGION|REGION_NAME|g' serve_sdxl_client.yaml
   

5. 应用清单：

   kubectl apply -f serve_sdxl_client.yaml
   

6. 检索 LoadBalancer IP 地址：

   kubectl get service max-diffusion-client-service
   

   输出包含 LoadBalancer 字段。请记下 EXTERNAL-IP 值。

成功：您已使用 MaxDiffusion 和 GKE 中的 TPU v5e 成功部署了 SDXL 模型。

使用网页与模型交互

1. 通过网络浏览器访问以下网址：

   http://EXTERNAL_IP:8080
   

   将 EXTERNAL_IP 替换为前面记下的 EXTERNAL_IP 值。

2. 使用聊天界面与 SDXL 交互。添加提示，然后点击提交。例如：

   Create a detailed image of a fictional historical site, capturing its unique architecture and cultural significance
   

输出是一个模型生成的图片，类似于以下示例：

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

删除项目

警告：删除项目会产生以下影响

• 项目中的所有内容都会被删除。如果您将现有项目用于本文档中的任务，则删除该项目后，还将删除您已在该项目中完成的任何其他工作。
• 自定义项目 ID 丢失。创建此项目时，您可能创建了要在将来使用的自定义项目 ID。要保留使用该项目 ID 的网址（例如 appspot.com 网址），请删除项目内的所选资源，而不是删除整个项目。

如果您打算探索多个架构、教程或快速入门，则重复使用项目 可以帮助您避免超出项目配额限制。

1. 在 Google Cloud 控制台中，前往 管理资源 页面。

   转到“管理资源”

2. 在项目列表中，选择要删除的项目，然后点击删除。
3. 在对话框中输入项目 ID，然后点击 关闭以删除项目。

逐个删除资源

保留项目但删除各个资源，如以下部分所述。运行以下命令并按照提示操作：

gcloud container clusters delete ${CLUSTER_NAME} --location=${REGION}

后续步骤

• 使用其他 TPU 拓扑配置本教程。如需详细了解其他 TPU 拓扑，请参阅规划 TPU 配置。
• 在您在本教程中克隆的示例仓库中探索 MaxDiffusion 推理服务器示例代码。
• 详细了解 GKE 中的 TPU。
• 探索 JetStream GitHub 仓库。
• 探索 Vertex AI Model Garden。