全部产品
Search
文档中心

容器服务 Kubernetes 版 ACK:GPU拓扑感知调度概述

更新时间:Feb 07, 2024

本文简要描述了GPU拓扑分布情况,以及GPU拓扑感知调度的优势。

GPU拓扑分布

下图为NVLink连接8个Tesla V100的混合立体网络拓扑。每块V100 GPU有6个NVLink通道,8块GPU间无法做到全连接,2块GPU间最多只能有2条NVLink连接。其中GPU0和GPU3,GPU0和GPU4之间有2条NVLink连接,GPU0和GPU1之间有一条NVLink连接,GPU0和6之间没有NVLink连接,故GPU0与GPU6之间仍然需要通过PCIe进行通信。GPU3

GPU拓扑感知调度优势

NVLink连接的单向通信带宽为25 GB/s,双向通信带宽为50 GB/s,PCIe连接的通信带宽为16 GB/s。在训练过程中,选择不同的GPU组合,会得到不同的训练速度,因此在GPU的调度过程中,选择最优的GPU组合可以得到最优的训练速度。

Kubernetes对节点的GPU拓扑信息不感知,调度过程中对GPU的选择比较随机,选择不同的GPU组合训练速度会存在较大的差异。基于以上问题,ACK基于Scheduling Framework机制,实现GPU拓扑感知调度,在节点的GPU组合中选择具有最优训练速度的组合。