תמיכה ב-GPU למאגרי עובדים

בדף הזה מוסבר איך להגדיר GPU למאגרי העובדים של Cloud Run. ‫Google מספקת GPU מסוג NVIDIA RTX PRO 6000 Blackwell עם 96GB של זיכרון GPU ‏ (VRAM) ו-GPU מסוג NVIDIA L4 עם 24GB של זיכרון GPU ‏ (VRAM), שהוא נפרד מזיכרון המופע.

חשוב: אם אתם משתמשים ב-LLM עם התכונה Cloud Run GPU, הקפידו לעיין גם במאמר שיטות מומלצות: מאגרי עובדים של Cloud Run עם יחידות GPU.

ה-GPU ב-Cloud Run מנוהל באופן מלא, ואין צורך במנהלי התקנים או בספריות נוספים. תכונת ה-GPU מציעה זמינות על פי דרישה ללא צורך בהזמנות, בדומה לאופן שבו מעבד על פי דרישה וזיכרון על פי דרישה פועלים ב-Cloud Run.

מופעים של Cloud Run עם יחידת GPU מסוג NVIDIA RTX PRO 6000 Blackwell או L4 עם דרייברים מותקנים מראש מתחילים לפעול תוך כ-5 שניות, ובשלב הזה התהליכים שפועלים בקונטיינר יכולים להתחיל להשתמש ב-GPU.

אפשר להגדיר GPU אחד לכל מופע Cloud Run. אם משתמשים במאגרי sidecar, חשוב לזכור שאפשר לצרף את ה-GPU רק למאגר אחד.

סוגי GPU נתמכים

‫Cloud Run תומך בשני סוגים של יחידות GPU:

• ‫NVIDIA RTX PRO 6000 Blackwell GPU עם הגרסה הנוכחית של דרייבר NVIDIA: ‏ 580.x.x (13.0). כדי להשתמש ב-GPU‏ NVIDIA RTX PRO 6000 Blackwell, צריך להשתמש ב-20 ליבות CPU ובזיכרון בנפח 80GiB לפחות.
• ‫L4 GPU עם גרסת הדרייבר הנוכחית של NVIDIA: 535.x.x (12.2). ב-GPU מסוג L4, צריך להשתמש ב-4 מעבדים לפחות ובזיכרון בנפח 16GiB.

אזורים נתמכים

האזורים הבאים נתמכים על ידי NVIDIA RTX PRO 6000 Blackwell GPU:

• asia-southeast1 (סינגפור).
• asia-south2 (דלהי, הודו).
• europe-west4 (הולנד) רמה נמוכה של CO₂
• us-central1 (אייווה) רמה נמוכה של CO₂

האזורים הבאים נתמכים על ידי L4 GPU:

• asia-southeast1 (סינגפור)
• asia-south1 (מומבאי) . האזור הזה זמין רק בהזמנה. אם אתם מעוניינים באזור הזה, תוכלו לפנות לצוות התמיכה בחשבונות Google.
• europe-west1 (בלגיה) רמה נמוכה של CO₂
• europe-west4 (הולנד) רמה נמוכה של CO₂
• us-central1 (אייווה) רמה נמוכה של CO₂ . יכול להיות שיהיה צורך לשלוח בקשה להגדלת המכסה כדי להרחיב את השימוש במשאבים באזור הזה. אם אתם מעוניינים באזור הזה, תוכלו לפנות לצוות התמיכה בחשבונות Google.
• us-east4 (צפון וירג'יניה) . יכול להיות שיהיה צורך לשלוח בקשה להגדלת המכסה כדי להרחיב את השימוש במשאבים באזור הזה. אם אתם מעוניינים באזור הזה, תוכלו לפנות לצוות התמיכה בחשבונות Google.

השפעה על התמחור

פרטים על תמחור של GPU זמינים במאמר תמחור של Cloud Run. שימו לב לדרישות ולשיקולים הבאים:

• יש הבדל בעלות בין יתירות אזורית של GPU לבין יתירות לא אזורית. פרטים על תמחור של GPU זמינים במאמר תמחור של Cloud Run.
• אי אפשר להפעיל שינוי גודל אוטומטי במאגרי עובדים של GPU. תחויבו על ה-GPU גם אם הוא לא מריץ אף תהליך, וכל עוד מופעלת דוגמה של GPU במאגר העובדים.
• התמחור של מעבד וזיכרון למאגרי עובדים שונה מהתמחור של שירותים ומשימות. עם זאת, המחיר של מק"ט GPU זהה למחיר של שירותים ועבודות.
• הגדרות המעבד (CPU) והזיכרון של המשאב.
• החיוב על ה-GPU מתבצע לכל משך מחזור החיים של המופע.

אפשרויות של יתירות אזורית של GPU

כברירת מחדל, Cloud Run פורס את מאגר העובדים בכמה אזורים בתוך אזור. הארכיטקטורה הזו מספקת חוסן מובנה: אם יש הפסקת חשמל באזור מסוים, Cloud Run מעביר באופן אוטומטי את התעבורה מהאזור המושפע לאזורים תקינים באותו האזור.

כשעובדים עם משאבי GPU, חשוב לזכור שיש מגבלות קיבולת ספציפיות למשאבי GPU. במהלך הפסקת חשמל אזורית, מנגנון יתירות הכשל הרגיל לעומס עבודה של GPU מסתמך על כך שקיבולת GPU פנויה מספקת תהיה זמינה באזורים הבריאים שנותרו. בגלל המגבלות של יחידות GPU, יכול להיות שהקיבולת הזו לא תמיד תהיה זמינה.

כדי להגדיל את הזמינות של מאגרי העובדים עם האצת GPU במהלך הפסקות זמניות באזורים, אפשר להגדיר יתירות אזורית במיוחד עבור מעבדי GPU:

• הפעלה של יתירות אזורית (ברירת מחדל): ‏ Cloud Run שומר קיבולת GPU למאגר העובדים שלכם בכמה אזורים. השימוש באפשרות הזו מגדיל באופן משמעותי את הסיכוי שמאגר העובדים יוכל לטפל בהצלחה בתנועה שהופנתה מחדש מאזור מושפע, ומציע אמינות גבוהה יותר במהלך כשלים אזוריים עם עלות נוספת לשנייה לכל GPU.

• היתירות האזורית מושבתת: Cloud Run מנסה לבצע יתירות כשל עבור עומסי עבודה של GPU, על בסיס המאמץ המרבי. התעבורה מנותבת לתחומים אחרים רק אם יש מספיק קיבולת של GPU באותו רגע. האפשרות הזו לא מבטיחה קיבולת שמורה לתרחישי יתירות כשל, אבל העלות שלה נמוכה יותר לשנייה של GPU.

SLA

הסכם רמת השירות (SLA) ל-GPU ב-Cloud Run תלוי באפשרות שבה נעשה שימוש במאגר העובדים: יתירות אזורית או יתירות לא אזורית. פרטים נוספים זמינים בדף הסכם רמת השירות.

שליחת בקשה להגדלת המכסה

הקצאת מכסת GPU ל-Cloud Run nvidia-rtx-pro-6000 מתבצעת במילי-GPU. כשיוצרים פריסה ראשונה של פרויקטים שמשתמשים ב-GPU באזור מסוים בפעם הראשונה, מקבלים אוטומטית מכסת 3,000 milliGPU (יתירות אזורית מושבתת).nvidia-rtx-pro-6000 זה שווה ל-3 יחידות GPU. כשיוצרים פריסה ראשונה בפרויקטים שמשתמשים ב-GPU של Cloud Run באזור מסוים בפעם הראשונה, מקבלים אוטומטית מכסת GPU של 3 (יתירות אזורית מושבתת).nvidia-l4

אם אתם צריכים עוד מעבדי GPU ב-Cloud Run, אתם צריכים לבקש הגדלה של המכסה של מאגר העובדים ב-Cloud Run. כדי לבקש את המכסה שדרושה לכם, אתם יכולים להשתמש בקישורים שמופיעים בלחצנים הבאים.

חשוב: בקשות להגדלת המכסה של יחידות GPU עם יתירות אזורית מושבתת לרוב מאושרות, והן זמינות מהר יותר.

נדרשת מכסה	קישור למכסה
‫NVIDIA RTX PRO 6000 Blackwell GPU עם יתירות אזורית מושבתת (מחיר נמוך יותר)	בקשת מכסת GPU ללא יתירות אזורית
‫NVIDIA RTX PRO 6000 Blackwell GPU עם יתירות אזורית מופעלת (מחיר גבוה יותר)	בקשת מכסת GPU עם יתירות אזורית
‫L4 GPU עם יתירות אזורית מושבתת (מחיר נמוך יותר)	בקשת מכסת GPU ללא יתירות אזורית
‫L4 GPU עם יתירות אזורית מופעלת (מחיר גבוה יותר)	בקשת מכסת GPU עם יתירות אזורית

מידע נוסף על בקשות להגדלת מכסות זמין במאמר איך מגדילים את המכסה.

לפני שמתחילים

ברשימה הבאה מפורטות הדרישות והמגבלות כשמשתמשים ב-GPU ב-Cloud Run:

נכנסים לחשבון Google Cloud . אם אתם משתמשים חדשים ב- Google Cloud, צרו חשבון כדי שתוכלו להעריך את הביצועים של המוצרים שלנו בתרחישים מהעולם האמיתי. לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.

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.

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.

1. מפעילים את Cloud Run API.

   תפקידים שנדרשים להפעלת ממשקי API

   כדי להפעיל ממשקי API, צריך את תפקיד ה-IAM 'אדמין של Service Usage' (roles/serviceusage.serviceUsageAdmin), שכולל את ההרשאה serviceusage.services.enable. איך מקצים תפקידים

   להפעלת ה-API

2. שליחת בקשה להגדלת המכסה
3. מומלץ לעיין בשיטות מומלצות לשימוש ב-GPU: מאגרי workers ב-Cloud Run עם GPU כדי לקבל המלצות ליצירת קובץ אימג' של קונטיינר ולטעינת מודלים גדולים.
4. צריך לוודא שמאגר העובדים של Cloud Run כולל את ההגדרות הבאות:
• מגדירים את הגדרות החיוב לחיוב לפי מופע. שימו לב: מאגרי עובדים שהוגדר להם חיוב מבוסס-אינסטנס עדיין יכולים להצטמצם לאפס.
• עבור NVIDIA RTX PRO 6000 Blackwell GPU, צריך להגדיר מינימום של 20 CPU ומינימום של 80 GiB של זיכרון.
• עבור L4 GPU, צריך להגדיר לפחות 4 מעבדי CPU למאגר העובדים, מומלץ להגדיר 8 מעבדי CPU, ולפחות 16GiB של זיכרון, מומלץ להגדיר 32GiB.
• קובעים ומגדירים את רמת המקסימום האופטימלית של השימוש ב-GPU.

התפקידים הנדרשים

כדי לקבל את ההרשאות שדרושות להגדרה ולפריסה של מאגרי עובדים ב-Cloud Run, אתם צריכים לבקש מהאדמין להקצות לכם את תפקידי ה-IAM הבאים ב-workerpools:

• Cloud Run Developer ‏ (roles/run.developer) – מאגר העובדים של Cloud Run
• משתמש בחשבון שירות (roles/iam.serviceAccountUser) – זהות השירות

רשימת ההרשאות והתפקידים ב-IAM שמשויכים ל-Cloud Run מופיעה במאמרים תפקידי IAM ב-Cloud Run והרשאות IAM ב-Cloud Run. אם מאגר העובדים של Cloud Run מתקשר עםGoogle Cloud ממשקי API, כמו ספריות לקוח ב-Cloud, כדאי לעיין במדריך להגדרת זהות שירות. מידע נוסף על מתן תפקידים זמין במאמרים הרשאות פריסה וניהול גישה.

הגדרת מאגר עובדים ב-Cloud Run עם GPU

כל שינוי בהגדרות מוביל ליצירה של גרסה חדשה. גם גרסאות מתוקנות עתידיות יקבלו את הגדרת התצורה הזו באופן אוטומטי, אלא אם תבצעו עדכונים מפורשים כדי לשנות אותה.

אפשר להשתמש במסוף Google Cloud , ב-Google Cloud CLI או ב-YAML כדי להגדיר GPU.

המסוף

1. נכנסים ל-Cloud Run במסוף Google Cloud :

   כניסה ל-Cloud Run

2. בתפריט הניווט של Cloud Run, בוחרים באפשרות Worker Pools (מאגרי עובדים) ולוחצים על Deploy container (פריסת קונטיינר) כדי להגדיר מאגר עובדים חדש. אם אתם מגדירים מאגר עובדים קיים, לוחצים על מאגר העובדים ואז על Edit and deploy new revision (עריכה ופריסה של עדכון חדש).

3. אם אתם מגדירים מאגר עובדים חדש, ממלאים את הדף של ההגדרות הראשוניות של מאגר העובדים ולוחצים על Containers, Networking, Security כדי להרחיב את דף ההגדרות של מאגר העובדים.

4. לוחצים על הכרטיסייה מאגר תגים.

   

   • מגדירים את המעבד (CPU), הזיכרון, הבו-זמניות (concurrency), סביבת ההרצה ובקשת בדיקת התקינות (probe) בהתאם להמלצות שבקטע לפני שמתחילים.
   • מסמנים את תיבת הסימון לצד GPU, בוחרים את סוג ה-GPU בתפריט סוג ה-GPU ואת מספר ה-GPU בתפריט מספר ה-GPU.
   • כברירת מחדל, יתירות אזורית מופעלת. כדי לשנות את ההגדרה הנוכחית, מסמנים את תיבת הסימון GPU כדי להציג את האפשרויות של GPU redundancy (יתירות GPU).
   • בוחרים באפשרות ללא יתירות אזורית כדי להשבית את היתירות האזורית.
   • בוחרים באפשרות יתירות אזורית כדי להפעיל יתירות אזורית.

5. לוחצים על יצירה או על פריסה.

gcloud

כדי ליצור מאגר עובדים עם GPU, משתמשים בפקודה gcloud run worker-pools deploy:

  gcloud run worker-pools deploy WORKER_POOL \
    --image IMAGE_URL \
    --gpu 1

מחליפים את מה שכתוב בשדות הבאים:

• ‫WORKER_POOL: השם של מאגר העובדים של Cloud Run.
• ‫IMAGE_URL: הפניה לקובץ האימג' של הקונטיינר שמכיל את מאגר העובדים, כמו us-docker.pkg.dev/cloudrun/container/worker-pool:latest.

כדי לעדכן את הגדרות ה-GPU של מאגר עובדים, משתמשים בפקודה gcloud run worker-pools update:

  gcloud run worker-pools update WORKER_POOL \
    --image IMAGE_URL \
    --cpu CPU \
    --memory MEMORY \
    --gpu GPU_NUMBER \
    --gpu-type GPU_TYPE \
    --GPU_ZONAL_REDUNDANCY
    

מחליפים את מה שכתוב בשדות הבאים:

• ‫WORKER_POOL: השם של מאגר העובדים של Cloud Run.
• ‫IMAGE_URL: הפניה לקובץ האימג' של הקונטיינר שמכיל את מאגר העובדים, כמו us-docker.pkg.dev/cloudrun/container/worker-pool:latest.
• ‫CPU: מספר ליבות ה-CPU. אם משתמשים ב-GPU‏ NVIDIA RTX PRO 6000 Blackwell, צריך לציין לפחות 20 מעבדים. עבור NVIDIA L4 GPU, צריך לציין לפחות 4 מעבדים.
• ‫MEMORY: נפח הזיכרון. במקרה של NVIDIA RTX PRO 6000 Blackwell GPU, צריך לציין לפחות 80Gi (80 GiB). אם משתמשים ב-GPU מסוג NVIDIA L4, צריך לציין לפחות 16Gi (16 GiB).
• ‫GPU_NUMBER: הערך 1 (אחד). אם לא מציינים את הפרמטר הזה אבל מציינים GPU_TYPE, ברירת המחדל היא 1.
• ‫GPU_TYPE: סוג ה-GPU. NVIDIA RTX PRO 6000 Blackwell GPU, enter nvidia-rtx-pro-6000. עבור L4 GPU, מזינים את הערך nvidia-l4 (nvidia-L4 באותיות קטנות, לא הערך המספרי 14).
• ‫GPU_ZONAL_REDUNDANCY: no-gpu-zonal-redundancy כדי להשבית את יתירות האזורים, או gpu-zonal-redundancy כדי להפעיל את יתירות האזורים.

YAML

1. אם אתם יוצרים מאגר חדש של עובדים, דלגו על השלב הזה. אם אתם מעדכנים מאגר עובדים קיים, מורידים את הגדרת ה-YAML שלו:

   gcloud run worker-pools describe WORKER_POOL --format export > worker-pool.yaml

2. מעדכנים את המאפיין nvidia.com/gpu: ואת nodeSelector:
run.googleapis.com/accelerator::

   apiVersion: run.googleapis.com/v1
   kind: WorkerPool
   metadata:
     name: WORKER_POOL
   spec:
     template:
       metadata:
         annotations:
           run.googleapis.com/gpu-zonal-redundancy-disabled: 'GPU_ZONAL_REDUNDANCY'
       spec:
         containers:
         - image: IMAGE_URL
           resources:
             limits:
               cpu: 'CPU'
               memory: 'MEMORY'
               nvidia.com/gpu: '1'
         nodeSelector:
           run.googleapis.com/accelerator: GPU_TYPE

   מחליפים את מה שכתוב בשדות הבאים:

   • ‫WORKER_POOL: השם של מאגר העובדים של Cloud Run.
   • ‫IMAGE_URL: הפניה לקובץ האימג' של הקונטיינר שמכיל את מאגר העובדים, כמו us-docker.pkg.dev/cloudrun/container/worker-pool:latest.
   • ‫CPU: מספר יחידות ה-CPU. עבור NVIDIA RTX PRO 6000 Blackwell GPU, צריך לציין לפחות 20 מעבדים. ב-L4 GPU, צריך לציין לפחות 4 מעבדים.
   • ‫MEMORY: נפח הזיכרון. במקרה של NVIDIA RTX PRO 6000 Blackwell GPU, צריך לציין לפחות 80Gi (80 GiB). עבור L4 GPU, צריך לציין לפחות 16Gi ‏ (16 GiB).
   • ‫GPU_TYPE: סוג ה-GPU. אם משתמשים ב-GPU‏ NVIDIA RTX PRO 6000 Blackwell, מזינים nvidia-rtx-pro-6000. עבור L4 GPU, מזינים את הערך nvidia-l4 (nvidia-L4 באותיות קטנות, לא הערך המספרי 14).
   • ‫GPU_ZONAL_REDUNDANCY: false כדי להפעיל את יתירות האזורים של ה-GPU, או true כדי להשבית אותה.

3. יוצרים או מעדכנים את מאגר העובדים באמצעות הפקודה הבאה:

   gcloud run worker-pools replace worker-pool.yaml

   אם קיים קובץ worker-pool.yaml, הפקודה gcloud run worker-pools replace משתמשת בו כברירת מחדל.

Terraform

כדי ללמוד איך להחיל הגדרות ב-Terraform או להסיר אותן, ראו פקודות בסיסיות ב-Terraform.

resource "google_cloud_run_v2_worker_pool" "default" {
  provider = google-beta
  name     = "WORKER_POOL"
  location = "REGION"

  template {
    gpu_zonal_redundancy_disabled = "GPU_ZONAL_REDUNDANCY"
    containers {
      image = "IMAGE_URL"
      resources {
        limits = {
          "cpu" = "CPU"
          "memory" = "MEMORY"
          "nvidia.com/gpu" = "1"
        }
      }
    }
    node_selector {
      accelerator = "GPU_TYPE"
    }
  }
}

מחליפים את מה שכתוב בשדות הבאים:

• ‫WORKER_POOL: השם של מאגר העובדים של Cloud Run.
• ‫GPU_ZONAL_REDUNDANCY: false כדי להפעיל את יתירות ה-GPU באזור, או true כדי להשבית אותה.
• ‫IMAGE_URL: הפניה לקובץ האימג' של הקונטיינר שמכיל את מאגר העובדים, כמו us-docker.pkg.dev/cloudrun/container/worker-pool:latest.
• ‫CPU: מספר יחידות ה-CPU. ב-GPU‏ NVIDIA RTX PRO 6000 Blackwell, צריך לציין לפחות 20 מעבדים. עבור NVIDIA L4 GPU, צריך לציין לפחות 4 מעבדים.
• ‫MEMORY: נפח הזיכרון. במקרה של NVIDIA RTX PRO 6000 Blackwell GPU, צריך לציין לפחות 80Gi (80 GiB). אם משתמשים ב-GPU מסוג NVIDIA L4, צריך לציין לפחות 16Gi (16 GiB).
• ‫GPU_TYPE: סוג ה-GPU. NVIDIA RTX PRO 6000 Blackwell GPU, enter nvidia-rtx-pro-6000. עבור L4 GPU, מזינים את הערך nvidia-l4 (nvidia-L4 באותיות קטנות, לא הערך המספרי 14).

הצגת ההגדרות של GPU

כדי לראות את הגדרות ה-GPU הנוכחיות של מאגר העובדים ב-Cloud Run:

המסוף

1. במסוף Google Cloud , עוברים לדף Cloud Run worker pools:

   כניסה לדף Cloud Run worker pools

2. לוחצים על מאגר העובדים שרוצים לפתוח את הדף פרטי מאגרי עובדים.

3. לוחצים על עריכה ופריסה של גרסה חדשה.

4. מחפשים את הגדרת ה-GPU בפרטי התצורה.

gcloud

1. משתמשים בפקודה הבאה:

   gcloud run worker-pools describe WORKER_POOL

2. מאתרים את הגדרת ה-GPU בתצורה שמוחזרת.

הסרת ה-GPU

אפשר להסיר GPU באמצעות מסוף Google Cloud , Google Cloud CLI או YAML.

המסוף

1. נכנסים ל-Cloud Run במסוף Google Cloud :

   כניסה ל-Cloud Run

2. בתפריט הניווט של Cloud Run, בוחרים באפשרות Worker Pools (מאגרי עובדים) ולוחצים על Deploy container (פריסת קונטיינר) כדי להגדיר מאגר עובדים חדש. אם אתם מגדירים מאגר עובדים קיים, לוחצים על מאגר העובדים ואז על Edit and deploy new revision (עריכה ופריסה של עדכון חדש).

3. אם אתם מגדירים מאגר עובדים חדש, ממלאים את הדף של ההגדרות הראשוניות של מאגר העובדים ולוחצים על Containers, Networking, Security כדי להרחיב את דף ההגדרות של מאגר העובדים.

4. לוחצים על הכרטיסייה מאגר תגים.

• מבטלים את הסימון של תיבת הסימון GPU.

1. לוחצים על יצירה או על פריסה.

gcloud

כדי להסיר GPU, מגדירים את מספר יחידות ה-GPU ל-0:

  gcloud run worker-pools update WORKER_POOL --gpu 0
  

מחליפים את WORKER_POOL בשם של מאגר העובדים של Cloud Run.

YAML

1. אם אתם יוצרים מאגר חדש של עובדים, דלגו על השלב הזה. אם אתם מעדכנים מאגר עובדים קיים, מורידים את הגדרת ה-YAML שלו:

   gcloud run worker-pools describe WORKER_POOL --format export > worker-pool.yaml

2. מוחקים את השורות nvidia.com/gpu: ו-nodeSelector: run.googleapis.com/accelerator: GPU_TYPE.

3. יוצרים או מעדכנים את מאגר העובדים באמצעות הפקודה הבאה:

   gcloud run worker-pools replace worker-pool.yaml

   אם קיים קובץ worker-pool.yaml, הפקודה gcloud run worker-pools replace משתמשת בו כברירת מחדל.

ספריות של מנהלי התקנים

כברירת מחדל, כל ספריות הדרייברים של NVIDIA RTX PRO 6000 Blackwell GPU ו-NVIDIA L4 GPU מותקנות בתיקייה /usr/local/nvidia/lib64. ‫Cloud Run מוסיף את הנתיב הזה באופן אוטומטי למשתנה הסביבה LD_LIBRARY_PATH (כלומר ${LD_LIBRARY_PATH}:/usr/local/nvidia/lib64) של הקונטיינר עם ה-GPU. כך המקשר הדינמי יכול למצוא את ספריות מנהלי ההתקנים של NVIDIA. ה-linker מחפש ומזהה נתיבים לפי הסדר שמופיע במשתנה הסביבה LD_LIBRARY_PATH. לכל ערך שמציינים במשתנה הזה יש עדיפות על פני נתיב ברירת המחדל של ספריות מנהלי התקנים של Cloud Run‏ /usr/local/nvidia/lib64.

אם רוצים להשתמש בגרסת CUDA שגבוהה מ-12.2, הדרך הכי קלה היא להסתמך על תמונת בסיס חדשה יותר של NVIDIA עם חבילות תאימות קדימה שכבר מותקנות. אפשרות נוספת היא להתקין ידנית את חבילות התאימות קדימה של NVIDIA ולהוסיף אותן ל-LD_LIBRARY_PATH. כדאי לעיין בטבלת התאימות של NVIDIA כדי לדעת אילו גרסאות של CUDA תואמות לגרסת מנהל ההתקן של NVIDIA שסופקה.