Container Service for Kubernetes:Best practice for Linux graphics applications

Étape 1 : Installer et démarrer Xorg sur l'hôte

1. Installez le serveur Xorg :

      yum install xorg-x11-server-Xorg

2. Trouvez l'ID de bus PCI de votre GPU : La sortie inclut une ligne similaire à celle-ci. Notez l'ID de bus pour l'étape suivante.

      nvidia-xconfig --query-gpu-info

      PCI BusID : PCI:0:7:0

3. Générez un fichier de configuration Xorg. Remplacez <bus-id> par l'ID de bus PCI obtenu à l'étape précédente : Cette opération crée un fichier xorg.conf avec une résolution d'affichage virtuel de 1920x1080.

      nvidia-xconfig -a --virtual=1920x1080 --allow-empty-initial-configuration --no-use-display-device --enable-all-gpus --busid "<bus-id>" -o xorg.conf

4. Lancez le serveur Xorg sur l'affichage :10 :

      Xorg -dpi 96 -noreset -nolisten tcp +extension GLX +extension RANDR +extension RENDER +extension DOUBLE-BUFFER -logfile xorg-10.log -config xorg.conf -verbose :10 &

5. Définissez la variable d'environnement DISPLAY :

      export DISPLAY=:10

Étape 2 : Vérifier le rendu GPU sur l'hôte

1. Installez glxgears :

      yum install glx-utils

2. Exécutez glxgears pour tester le rendu GPU : Sortie attendue : Si la sortie affiche une valeur FPS (par exemple, 10880 frames in 5.0 seconds = 2175.920 FPS), le rendu GPU fonctionne correctement.

      glxgears -info

      Running synchronized to the vertical refresh.  The framerate should be
      approximately the same as the monitor refresh rate.
      GL_RENDERER   = Tesla V100-SXM2-16GB/PCIe/SSE2
      GL_VERSION    = 4.6.0 NVIDIA 460.91.03
      GL_VENDOR     = NVIDIA Corporation
      ...
      10880 frames in 5.0 seconds = 2175.920 FPS

Étape 3 : Déployer un Pod qui se connecte au serveur X de l'hôte

1. Créez un fichier nommé gui-app.yaml : Remplacez les espaces réservés suivants :

   Espace réservé	Description	Exemple
   <node-name>	Le nom du nœud sur lequel Xorg est en cours d'exécution	cn-hangzhou.192.168.0.1
   <your-image>:<tag>	L'image de conteneur de votre application graphique	myapp:latest
   <your-command>	La commande pour démarrer votre application	/usr/bin/myapp

      apiVersion: v1
      kind: Pod
      metadata:
        name: gui-app
        namespace: default
      spec:
        # Schedule the Pod to the node where Xorg is running.
        nodeName: <node-name>
        containers:
          # Specify the container image of your Linux graphics application.
        - image: <your-image>:<tag>
          name: app-name
          command: [<your-command>]
          # Pass the DISPLAY variable to the container through a ConfigMap.
          envFrom:
            - configMapRef:
                name: display-config
          # Mount the X11 Unix socket directory so the container can reach the host X server.
          volumeMounts:
            - mountPath: /tmp/.X11-unix
              name: unix-display
          securityContext:
            privileged: true
        restartPolicy: Always
        volumes:
          - name: unix-display
            hostPath:
              path: /tmp/.X11-unix
      ---
      apiVersion: v1
      kind: ConfigMap
      metadata:
         name: display-config
         namespace: default
      data:
         DISPLAY: unix:10.0

2. Déployez le Pod :

      kubectl apply -f gui-app.yaml

Étape 4 : Installer le pilote GPU dans le conteneur

Les instances ECS de type ecs.gn6v-c8g1.2xlarge utilisent le GPU NVIDIA V100. Le pilote GPU est préinstallé sur l'hôte, mais les bibliothèques de pilotes de l'espace utilisateur doivent également être installées dans le conteneur. Incluez ces commandes dans votre Dockerfile pour assurer la reproductibilité :

wget https://storage.googleapis.com/nvidia-drivers-us-public/GRID/GRID12.3/NVIDIA-Linux-x86_64-460.91.03-grid.run

chmod a+x NVIDIA-Linux-x86_64-460.91.03-grid.run

apt-get update && apt-get install -y kmod

./NVIDIA-Linux-x86_64-460.91.03-grid.run -a -q --ui=none --no-kernel-module

L'indicateur --no-kernel-module ignore l'installation du module kernel car le pilote GPU est déjà chargé sur l'hôte. Seules les bibliothèques de l'espace utilisateur sont installées dans le conteneur.

Étape 5 : Vérifier le rendu GPU dans le conteneur

1. Installez glxgears dans le conteneur (basé sur Ubuntu) :

      apt install mesa-utils

2. Testez le rendu GPU : Sortie attendue : Si la sortie affiche une valeur FPS, le rendu GPU fonctionne correctement dans le conteneur.

      glxgears -info

      GL_RENDERER   = Tesla V100-SXM2-16GB/PCIe/SSE2
      GL_VERSION    = 4.6.0 NVIDIA 460.91.03
      GL_VENDOR     = NVIDIA Corporation
      ...
      11119 frames in 5.0 seconds = 2223.799 FPS

Étape 1 : Installer et démarrer Xorg dans le conteneur

Exécutez les commandes suivantes à l'intérieur du conteneur. Incluez-les dans votre Dockerfile pour assurer la reproductibilité :

# Install Xorg
apt update && apt install -y xorg

# Generate the Xorg configuration file.
# Replace <bus-id> with your GPU PCI bus ID (run nvidia-xconfig --query-gpu-info to find it).
nvidia-xconfig -a --virtual=1920x1080 --allow-empty-initial-configuration --no-use-display-device --enable-all-gpus --busid "<bus-id>" -o xorg.conf

# Start the D-Bus daemon (required by Xorg)
/etc/init.d/dbus start

# Launch Xorg on display :10
Xorg -dpi 96 -noreset -nolisten tcp +extension GLX +extension RANDR +extension RENDER +extension DOUBLE-BUFFER -logfile xorg-10.log -config xorg.conf -verbose :10 &

# Set the display
export DISPLAY=:10

Étape 2 : Installer le pilote GPU dans le conteneur

Suivez les mêmes étapes d'installation du pilote GPU que pour la Solution 1, Étape 4.

Étape 3 : Déployer un Pod avec une demande de ressource GPU

1. Créez un fichier nommé gui-app-gpu.yaml : > Remarque : Contrairement à la Solution 1, ce manifeste de Pod ne monte pas le répertoire du socket X11 ni ne référence de ConfigMap, car le serveur X s'exécute à l'intérieur du conteneur lui-même.

      apiVersion: v1
      kind: Pod
      metadata:
        name: gui-app-gpu
        namespace: default
      spec:
        containers:
          # Specify the container image of your Linux graphics application.
        - image: <your-image>:<tag>
          name: app-name
          command: [<your-command>]
          resources:
            limits:
              # Request one GPU. The scheduler automatically places the Pod on a node that has an available GPU.
              nvidia.com/gpu: 1
          securityContext:
            privileged: true
        restartPolicy: Always

2. Déployez le Pod :

      kubectl apply -f gui-app-gpu.yaml

Étape 4 : Vérifier le rendu GPU

Exécutez glxgears à l'intérieur du conteneur :

glxgears -info

Sortie attendue :

GL_RENDERER   = Tesla V100-SXM2-16GB/PCIe/SSE2
GL_VERSION    = 4.6.0 NVIDIA 460.91.03
GL_VENDOR     = NVIDIA Corporation
...
140060 frames in 5.0 seconds = 28011.809 FPS

Si la sortie affiche une valeur FPS, le rendu GPU fonctionne correctement.

La Solution 2 offre généralement un débit FPS plus élevé que la Solution 1, car le GPU est exclusivement dédié à l'application graphique du conteneur, sans surcharge liée au partage de l'affichage.