Container Service for Kubernetes:Terapkan kluster Ray di ACK

Prasyarat

Pastikan hal-hal berikut:

• Kluster Pro managed ACK yang menjalankan Kubernetes v1.24 atau versi lebih baru (buat | upgrade).

• Setidaknya satu node dengan 8 vCPU dan memori 32 GB (untuk pengujian). Sesuaikan ukuran sesuai beban kerja Anda di lingkungan produksi. Untuk beban kerja GPU, gunakan keluarga instans Elastic Compute Service (ECS) yang didukung.

• kubectl telah diinstal dan terhubung ke kluster Anda.

• (Opsional) Instans ApsaraDB for Tair untuk toleransi kesalahan Global Control Store (GCS).

Instal KubeRay Operator

1. Masuk ke Konsol ACK.

2. Di panel navigasi sebelah kiri, klik Clusters. Klik nama kluster Anda.

3. Buka Operations > Add-ons > Manage Applications.

4. Di bawah Kuberay-Operator, klik Install.

Terapkan Kluster Ray

Buat kluster Ray bernama myfirst-ray-cluster:

Manifes ini mengonfigurasi:

Manifes lengkap

cat <<EOF | kubectl apply -f -
apiVersion: ray.io/v1
kind: RayCluster
metadata:
  name: myfirst-ray-cluster
  namespace: default
spec:
  suspend: false
  autoscalerOptions:
    env: []
    envFrom: []
    idleTimeoutSeconds: 60
    imagePullPolicy: Always
    resources:
      limits:
        cpu: 2000m
        memory: 2024Mi
      requests:
        cpu: 2000m
        memory: 2024Mi
    securityContext: {}
    upscalingMode: Default
  enableInTreeAutoscaling: false
  headGroupSpec:
    rayStartParams:
      dashboard-host: 0.0.0.0
      num-cpus: "0"
    serviceType: ClusterIP
    template:
      spec:
        containers:
        - image: rayproject/ray:2.36.1
          imagePullPolicy: Always
          name: ray-head
          resources:
            limits:
              cpu: "4"
              memory: 4G
            requests:
              cpu: "1"
              memory: 1G
  workerGroupSpecs:
  - groupName: work1
    maxReplicas: 1000
    minReplicas: 0
    numOfHosts: 1
    rayStartParams: {}
    replicas: 1
    template:
      spec:
        containers:
        - image: rayproject/ray:2.36.1
          imagePullPolicy: Always
          name: ray-worker
          resources:
            limits:
              cpu: "4"
              memory: 4G
            requests:
              cpu: "4"
              memory: 4G
EOF

Verifikasi penerapan

Konfirmasi bahwa kluster sedang berjalan:

1. Periksa status kluster Ray:

   kubectl get raycluster

   Output yang diharapkan:

   NAME                  DESIRED WORKERS   AVAILABLE WORKERS   CPUS   MEMORY   GPUS   STATUS   AGE
   myfirst-ray-cluster   1                 1                   5      5G       0      ready    4m19s

2. Periksa Pod:

   kubectl get pod

   Output yang diharapkan:

   NAME                                     READY   STATUS    RESTARTS   AGE
   myfirst-ray-cluster-head-5q2hk           1/1     Running   0          4m37s
   myfirst-ray-cluster-work1-worker-zkjgq   1/1     Running   0          4m31s

3. Periksa Service:

   kubectl get svc

   Output yang diharapkan:

   NAME                           TYPE        CLUSTER-IP    EXTERNAL-IP   PORT(S)                                         AGE
   kubernetes                     ClusterIP   192.168.0.1   <none>        443/TCP                                         21d
   myfirst-ray-cluster-head-svc   ClusterIP   None          <none>        10001/TCP,8265/TCP,8080/TCP,6379/TCP,8000/TCP   6m57s

Saat status kluster Ray menunjukkan ready dan semua Pod menampilkan status 1/1 Running, penerapan telah selesai.