在某些场景下，您可能需要多个模型推理任务共享同一块GPU以提高GPU的利用率。本文介绍如何使用Arena提交一个GPU共享模型推理任务。

前提条件

操作步骤

  1. 执行以下命令检查集群可用的GPU资源。
    arena top node

    系统输出类似以下结果：

    NAME                      IPADDRESS       ROLE    STATUS    GPU(Total)  GPU(Allocated)
cn-beijing.192.168.1.108  192.168.20.255  <none>  Ready     0           0
cn-beijing.192.168.8.10   192.168.8.10    <none>  Ready     0           0
cn-beijing.192.168.1.101  192.168.1.101   <none>  Ready     1           0
cn-beijing.192.168.1.112  192.168.1.112   <none>  Ready     1           0
cn-beijing.192.168.8.252  192.168.8.252   <none>  Ready     1           0
---------------------------------------------------------------------------------------------------
Allocated/Total GPUs In Cluster:
0/3 (0.0%)

    从以上输出结果，可以看到集群共有3块GPU，已使用0块，使用率为0.0%。

  2. 使用Arena提交推理任务。

    使用以下命令，提交一个推理任务：

    arena serve tensorflow \
    --name=mymnist2 \
    --model-name=mnist \
    --gpumemory=3 \ 
    --gpucore=10 \
    --image=registry.cn-beijing.aliyuncs.com/ai-samples/tensorflow:latest-gpu-mnist \
    --model-path=/tfmodel/mnist \
    --version-policy=specific:2
    参数解释如下表所示：
    参数 说明
    --name 指定任务名称。
    --model-name 指定模型名称。
    --gpumemory 指定申请显存的大小。例如：一块GPU有8 GiB显存，第一个任务使用--gpumemory=3申请3 GiB显存，那么这张卡还剩5 GiB显存。第二个任务使用--gpumemory=4申请4 GiB显存，此时这两个任务都在这块GPU上运行。
    --gpucore 按百分比指定申请算力的大小。例如：一块GPU默认有100个算力，第一个任务使用--gpucore=10申请10%的算力，那么这张卡还剩90%的算力。第二个任务使用--gpucore=50申请50%的算力，此时这两个任务都在这块GPU上运行。
    --image 指定任务所需的镜像。
    --model-path 指定模型文件在任务容器中的存放路径。
    --version-policy 指定模型版本，例如：--version-policy=specific:2表示指定模型版本为2的模型生效（在--model-path指定路径下存在一个为2的目录）。
    • 本次提交的是一个Tensorflow类型的推理任务。
    • 训练模型已在制作Docker镜像时添加到镜像中，如果您没有将模型文件放入镜像中，您可以创建一个PVC，然后通过arena serve tensorflow的--data参数将PVC挂载到任务的容器中。
  3. 执行以下命令，查看所有任务。
    arena serve list

    系统输出类似以下结果：

    NAME      TYPE        VERSION       DESIRED  AVAILABLE  ADDRESS       PORTS
mymnist1  Tensorflow  202101162119  1        0          172.16.3.123  GRPC:8500,RESTFUL:8501
mymnist2  Tensorflow  202101191447  1        1          172.16.1.147  GRPC:8500,RESTFUL:8501
  4. 执行以下命令，查看提交的任务的详细信息。
    arena serve get mymnist2

    系统输出类似以下结果：

    Name:           mymnist2
Namespace:      default
Type:           Tensorflow
Version:        202101191447
Desired:        1
Available:      1
Age:            20m
Address:        172.16.1.147
Port:           GRPC:8500,RESTFUL:8501
GPUMemory(GiB): 3

Instances:
  NAME                                                       STATUS   AGE  READY  RESTARTS  GPU(Memory/GiB)  NODE
  ----                                                       ------   ---  -----  --------  ---------------  ----
  mymnist2-202101191447-tensorflow-serving-7f64bf9749-mtnpc  Running  20m  1/1    0         3                cn-beijing.192.168.1.112
    说明 当Desired数量与Available数量相等时，代表任务准备就绪。
  5. 可选：执行以下命令查看任务日志。
    arena serve logs mymnist2 -t 10
    说明 -t 10表示仅显示最后10行日志信息。

    系统输出类似以下结果：

    2021-01-18 13:21:58.482985: I external/org_tensorflow/tensorflow/cc/saved_model/loader.cc:206] Restoring SavedModel bundle.
2021-01-18 13:21:58.483673: I external/org_tensorflow/tensorflow/core/platform/profile_utils/cpu_utils.cc:112] CPU Frequency: 2500005000 Hz
2021-01-18 13:21:58.508734: I external/org_tensorflow/tensorflow/cc/saved_model/loader.cc:190] Running initialization op on SavedModel bundle at path: /tfmodel/mnist/2
2021-01-18 13:21:58.513041: I external/org_tensorflow/tensorflow/cc/saved_model/loader.cc:277] SavedModel load for tags { serve }; Status: success: OK. Took 798017 microseconds.
2021-01-18 13:21:58.513263: I tensorflow_serving/servables/tensorflow/saved_model_warmup_util.cc:59] No warmup data file found at /tfmodel/mnist/2/assets.extra/tf_serving_warmup_requests
2021-01-18 13:21:58.513467: I tensorflow_serving/core/loader_harness.cc:87] Successfully loaded servable version {name: mnist2 version: 2}
2021-01-18 13:21:58.516620: I tensorflow_serving/model_servers/server.cc:371] Running gRPC ModelServer at 0.0.0.0:8500 ...
[warn] getaddrinfo: address family for nodename not supported
2021-01-18 13:21:58.521317: I tensorflow_serving/model_servers/server.cc:391] Exporting HTTP/REST API at:localhost:8501 ...
[evhttp_server.cc : 238] NET_LOG: Entering the event loop ...
  6. 使用以下YAML文件示例创建一个名为tfserving-test-client的Pod，用于验证Tensorflow推理服务是否可用。
    cat <<EOF | kubectl create -f -
kind: Pod
apiVersion: v1
metadata:
  name: tfserving-test-client
spec:
  containers:
  - name: test-client
    image: registry.cn-beijing.aliyuncs.com/ai-samples/tensorflow-serving-test-client:curl
    command: ["sleep","infinity"]
    imagePullPolicy: IfNotPresent
EOF
  7. 验证部署的Tensorflow推理服务任务是否可用。
    1. 执行以下命令，获取访问IP和端口。
      arena serve list

      系统输出类似以下结果：

      NAME      TYPE        VERSION       DESIRED  AVAILABLE  ADDRESS       PORTS
mymnist1  Tensorflow  202101162119  1        0          172.16.3.123  GRPC:8500,RESTFUL:8501
mymnist2  Tensorflow  202101191447  1        1          172.16.1.147  GRPC:8500,RESTFUL:8501

      从以上输出结果，可以看到mymnist2的IP为172.16.1.147，端口为8501。

    2. 执行以下命令验证Tensorflow推理服务是否可用。
      kubectl exec -ti tfserving-test-client bash validate.sh 172.16.1.147 8501

      系统输出类似以下结果：

      {
    "predictions": [[2.04608277e-05, 1.72721537e-09, 7.74099826e-05, 0.00364777911, 1.25222937e-06, 2.27521796e-05, 1.14668763e-08, 0.99597472, 3.68833389e-05, 0.000218785644]
    ]
}

      从以上输出的返回数据可知：

      • validate.sh脚本中包含请求的数据实际上是mnist测试数据集中某张图片的像素列表。
      • 模型在所有个位数（0~9）的数据中以最高概率（0.99597472）将输入数据预测为“7”。