特殊なハードウェアへのワークロードクラスタの展開

Tanzu Kubernetes Grid は、vSphere 7.0 以降の特定のタイプの GPU 対応ホストへのワークロードクラスタの展開をサポートします。

GPU 対応ワークロードクラスタの展開

vSphere ワークロードクラスタで、GPU を備えたノードを使用するには、PCI パススルーモードを有効にする必要があります。この操作を行うと、クラスタが ESXi ハイパーバイザーをバイパスして GPU に直接アクセスできるようになるため、ネイティブシステム上の GPU のパフォーマンスと同様なレベルのパフォーマンスを実現できます。PCI パススルーモードを使用している場合、各 GPU デバイスは vSphere ワークロードクラスタの仮想マシン (VM) の専用デバイスになります。

注
GPU 対応ノードを既存のクラスタに追加するには、tanzu cluster node-pool set コマンドを使用します。

前提条件

NVIDIA V100 または NVIDIA Tesla T4 GPU カードを搭載した ESXi ホスト。
vSphere 7.0 Update 3 以降。以下に、これをサポートするために最低限必要な 7.0u3 のビルドを示します。
- VMware vCenter Server 7.0 Update 3 | ISO ビルド 18700403。
- VMware ESXi 7.0 Update 3c | ISO ビルド 19193900。
Tanzu Kubernetes Grid v1.6 以降。
Helm（Kubernetes パッケージマネージャ）。インストールする方法については、Helm ドキュメントの「Helm のインストール」を参照してください。

手順

GPU 対応ホストのワークロードクラスタを作成するには、次の手順に従って PCI パススルーを有効にし、カスタムマシンイメージをビルドし、クラスタ構成ファイルと Tanzu Kubernetes リリースを作成し、ワークロードクラスタを展開し、Helm を使用して GPU Operator をインストールします。

GPU カードを使用する ESXi ホストを vSphere Client に追加します。
PCI パススルーを有効にし、GPU ID を次のように記録します。
1. vSphere Client で、GPU クラスタ内のターゲット ESXi ホストを選択します。
2. [構成 (Configure)] > [ハードウェア (Hardware)] > [PCI デバイス (PCI Devices)] の順に選択します。
3. [すべての PCI デバイス (All PCI Devices)] タブを選択します。
4. リストからターゲット GPU を選択します。
5. [パススルーの切り替え (Toggle Passthrough)] をクリックします。
6. [一般情報 (General Information)] で、デバイス ID とベンダー ID を記録します（下の図では緑色で強調表示されています）。これらの ID は、同一の GPU カードでは同じです。これらは、クラスタ構成ファイルで必要になります。
「ワークロードクラスタテンプレート」のテンプレートを使用してワークロードクラスタ構成ファイルを作成し、次の変数を含めます。
```
...
VSPHERE_WORKER_PCI_DEVICES: "0x<VENDOR-ID>:0x<DEVICE-ID>"
VSPHERE_WORKER_CUSTOM_VMX_KEYS: 'pciPassthru.allowP2P=true,pciPassthru.RelaxACSforP2P=true,pciPassthru.use64bitMMIO=true,pciPassthru.64bitMMIOSizeGB=<GPU-SIZE>'
VSPHERE_IGNORE_PCI_DEVICES_ALLOW_LIST: "<BOOLEAN>"
VSPHERE_WORKER_HARDWARE_VERSION: vmx-17
WORKER_ROLLOUT_STRATEGY: "RollingUpdate"
```
ここで、
- <VENDOR-ID> と <DEVICE-ID> は前の手順で記録したベンダー ID とデバイス ID です。たとえば、ベンダー ID が 10DE で、デバイス ID が 1EB8 の場合、値は "0x10DE:0x1EB8" です。
- <GPU-SIZE> は、クラスタ内のすべての GPU のフレームバッファメモリの合計 GB で、その次に大きい 2 の累乗数に切り上げられます。
  - たとえば、40 GB の GPU が 2 つある場合、合計は 80 GB で、128 GB に切り上げられます。そのため、値を pciPassthru.64bitMMIOSizeGB=128 に設定します。
  - GPU カードに必要なメモリを確認するには、特定の NVIDIA GPU カードのドキュメントを参照してください。NVIDIA ドキュメントにある「Requirements for Using vGPU on GPUs Requiring 64 GB or More of MMIO Space with Large-Memory VMs」の表を参照してください。
  - 以下も参照してください。
    - VMware ナレッジベースの記事「Configuring VMDirectPath I/O pass-through devices on a VMware ESX or VMware ESXi host」
    - Dell ナレッジベースの記事「PowerEdge：vSphere 上の仮想マシンで GPU を使用している場合に PCI パススルーで「Module 'DevicePowerOn' power on failed」エラーが発生する」
- NVIDIA Tesla T4 GPU を使用している場合は <BOOLEAN> が false、NVIDIA V100 GPU を使用している場合は true です。
- <VSPHERE_WORKER_HARDWARE_VERSION> は、仮想マシンのハードウェアバージョンで、このバージョンに仮想マシンをアップグレードします。GPU ノードに必要な最小バージョンは 17 です。
- アップグレード中にワーカーノードで使用できる追加の PCI デバイスがある場合、WORKER_ROLLOUT_STRATEGY は RollingUpdate です。それ以外の場合は、OnDelete を使用します。
注
仮想マシンごとに使用できる GPU は 1 種類だけです。たとえば、NVIDIA V100 と NVIDIA Tesla T4 の両方を単一の仮想マシンで使用することはできませんが、ベンダー ID とデバイス ID が同じ、複数の GPU インスタンスを使用することはできます。

tanzu CLI では、MachineDeployment の WORKER_ROLLOUT_STRATEGY 仕様を更新できません。PCI デバイスが使用できないためにクラスタのアップグレードが停止した場合、VMware は kubectl CLI を使用して MachineDeployment 戦略を編集することを推奨します。ロールアウト戦略は、spec.strategy.type で定義されます。

GPU 対応クラスタに対して構成可能な変数の完全なリストについては、「構成ファイル変数リファレンス」の「GPU 対応クラスタ」を参照してください。
次のコマンドを実行して、ワークロードクラスタを作成します。
```
tanzu cluster create -f CLUSTER-CONFIG-NAME
```
ここで、CLUSTER-CONFIG-NAME は、前の手順で作成したクラスタ構成ファイルの名前です。

NVIDIA Helm リポジトリを追加します。

helm repo add nvidia https://helm.ngc.nvidia.com/nvidia \
&& helm repo update

NVIDIA GPU Operator をインストールします。
```
helm install --kubeconfig=./KUBECONFIG  --wait --generate-name -n gpu-operator --create-namespace nvidia/gpu-operator
```
ここで、KUBECONFIG はワークロードクラスタの kubeconfig の名前と場所です。詳細については、「ワークロードクラスタ kubeconfig の取得」を参照してください。

このコマンドのパラメータの詳細については、NVIDIA ドキュメントの「GPU Operator のインストール」を参照してください。

NVIDIA GPU Operator が実行されていることを確認します。

kubectl --kubeconfig=./KUBECONFIG  get pods -A

出力は次のようになります。

NAMESPACE         NAME                                                              READY   STATUS     RESTARTS   AGE
gpu-operator      gpu-feature-discovery-szzkr                                       1/1     Running     0         6m18s
gpu-operator      gpu-operator-1676396573-node-feature-discovery-master-7795vgdnd   1/1     Running     0         7m7s
gpu-operator      gpu-operator-1676396573-node-feature-discovery-worker-bq6ct       1/1     Running     0         7m7s
gpu-operator      gpu-operator-84dfbbfd8-jd98f                                      1/1     Running     0         7m7s
gpu-operator      nvidia-container-toolkit-daemonset-6zncv                          1/1     Running     0         6m18s
gpu-operator      nvidia-cuda-validator-2rz4m                                       0/1     Completed   0         98s
gpu-operator      nvidia-dcgm-exporter-vgw7p                                        1/1     Running     0         6m18s
gpu-operator      nvidia-device-plugin-daemonset-mln6z                              1/1     Running     0         6m18s
gpu-operator      nvidia-device-plugin-validator-sczdk                              0/1     Completed   0         22s
gpu-operator      nvidia-driver-daemonset-b7flb                                     1/1     Running     0         6m38s
gpu-operator      nvidia-operator-validator-2v8zk                                   1/1     Running     0         6m18s

GPU クラスタのテスト

GPU 対応クラスタをテストするには、Kubernetes ドキュメントにある cuda-vector-add の例のポッドマニフェストを作成して展開します。コンテナはダウンロード、実行、および GPU を使用した CUDA 計算を行います。

cuda-vector-add.yaml という名前のファイルを作成し、次の内容を追加します。

apiVersion: v1
kind: Pod
metadata:
 name: cuda-vector-add
spec:
 restartPolicy: OnFailure
 containers:
   - name: cuda-vector-add
     # https://github.com/kubernetes/kubernetes/blob/v1.7.11/test/images/nvidia-cuda/Dockerfile
     image: "registry.k8s.io/cuda-vector-add:v0.1"
     resources:
       limits:
         nvidia.com/gpu: 1 # requesting 1 GPU

ファイルを適用します。
```
kubectl apply -f cuda-vector-add.yaml
```

次を実行します。

kubectl get po cuda-vector-add

出力は次のようになります。

cuda-vector-add   0/1     Completed   0          91s

次を実行します。

kubectl logs cuda-vector-add

出力は次のようになります。

[Vector addition of 50000 elements]
Copy input data from the host memory to the CUDA device
CUDA kernel launch with 196 blocks of 256 threads
Copy output data from the CUDA device to the host memory
Test PASSED
Done

Edge サイトへのワークロードクラスタの展開

Tanzu Kubernetes Grid v1.6 以降では、Edge VMware ESXi ホストへのワークロードクラスタの展開がサポートされています。この方法を使用すると、異なる場所で多くの Kubernetes クラスタを実行し、中央管理クラスタによってすべて管理することができます。

トポロジ：単一の制御プレーンノードと 1 台または 2 台のホストのみで、本番環境での Edge ワークロードクラスタを実行できます。ただし、この場合は使用する CPU、メモリ、およびネットワーク帯域幅が少なくなりますが、標準的な本番 Tanzu Kubernetes Grid クラスタと同じ回復性とリカバリ特性はありません。詳細については、「VMware Tanzu Edge ソリューションリファレンスアーキテクチャ 1.0」を参照してください。

ローカルレジストリ：通信遅延を最小限に抑え、回復性を最大化するには、各 Edge クラスタに独自のローカル Harbor コンテナレジストリが必要です。このアーキテクチャの概要については、「アーキテクチャの概要」の「コンテナレジストリ」を参照してください。ローカル Harbor レジストリをインストールするには、「vSphere でのオフライン Harbor レジストリの展開」を参照してください。

タイムアウト：また、Edge ワークロードクラスタの管理クラスタが、リモートでメインデータセンター内にある場合は、その管理クラスタがワークロードクラスタマシンと接続するための時間を十分に確保するために、特定のタイムアウトの調整が必要になる可能性があります。これらのタイムアウトを調整するには、下記の「Edge クラスタのより大きい遅延を処理するためのタイムアウト延長」を参照してください。

Edge クラスタのより大きい遅延を処理するためのタイムアウト延長

管理クラスタが Edge サイトで実行されているワークロードクラスタをリモートで管理している場合、または 20 個を超えるワークロードクラスタを管理している場合は、一時的にオフラインになっているマシンやリモート管理クラスタとの通信に 12 分以上かかる可能性のあるマシンがクラスタ API によってブロックまたは削除されないように特定のタイムアウト調整を行うことができます。これは特に、インフラストラクチャがアンダープロビジョニング状態である場合に該当します。

Edge クラスタが制御プレーンと通信する時間を増やすために、次の 3 つの設定を調整できます。

MHC_FALSE_STATUS_TIMEOUT：たとえば、デフォルトの 12m を 40m に延長して、MachineHealthCheck コントローラが、マシンの Ready 条件が 12 分以上 False のままであってもマシンを再作成しないようにします。マシン健全性チェックの詳細については、「Tanzu Kubernetes クラスタのマシン健全性チェックの構成」を参照してください。
NODE_STARTUP_TIMEOUT：たとえば、デフォルトの 20m を 60m に延長して、MachineHealthCheck コントローラが、起動に 20 分以上かかっている新しいマシンを健全でないと見なし、そのマシンのクラスタへの参加をブロックしてしまうことを防ぎます。
etcd-dial-timeout-duration：たとえば capi-kubeadm-control-plane-controller-manager マニフェストでデフォルトの 10m を 40s に延長して、ワークロードクラスタの etcd の健全性をスキャンしている間に管理クラスタ上の etcd クライアントが途中で失敗するのを防ぎます。管理クラスタは、etcd との接続機能をマシンの健全性の基準として使用します。例：
1. ターミナルで、以下を実行します。
```
kubectl edit  capi-kubeadm-control-plane-controller-manager -n capi-system
```
2. --etcd-dial-timeout-duration の値を変更します。
```
- args:
     - --leader-elect
     - --metrics-bind-addr=localhost:8080
     - --feature-gates=ClusterTopology=false
     - --etcd-dial-timeout-duration=40s
     command:
     - /manager
     image: projects.registry.vmware.com/tkg/cluster-api/kubeadm-control-plane-controller:v1.0.1_vmware.1
```

さらに、次の点に注意します。

capi-kubedm-control-plane-manager : ワークロードクラスタから何らかの理由で「分割」された場合は、ワークロードクラスタ内の etcd を適切に監視できるように、新しいノードにバウンスする必要がある場合があります。
TKG の Pinniped 構成はすべて、ワークロードクラスタが管理クラスタに接続されていることを前提としています。切断された場合は、ワークロードポッドが管理アカウントまたはサービスアカウントを使用して Edge サイトの API サーバと通信していることを確認する必要があります。そうしないと、管理クラスタから切断されたことにより、Edge サイトがローカルワークロード API サーバに対して Pinniped 経由で認証されなくなります。

特殊なハードウェアへのワークロード クラスタの展開

GPU 対応ワークロード クラスタの展開

前提条件

手順

GPU クラスタのテスト

Edge サイトへのワークロード クラスタの展開

Edge クラスタのより大きい遅延を処理するためのタイムアウト延長

特殊なハードウェアへのワークロードクラスタの展開

GPU 対応ワークロードクラスタの展開

Edge サイトへのワークロードクラスタの展開