將工作負載叢集部署到專用硬體

Tanzu Kubernetes Grid 支援在 vSphere 7.0 及更新版本上將工作負載叢集部署到特定類型且啟用了 GPU 的主機。

部署啟用了 GPU 的工作負載叢集

若要在 vSphere 工作負載叢集中，使用具有 GPU 的節點，必須啟用 PCI 傳遞模式。這允許叢集略過 ESXi 主管直接存取 GPU，從而提供類似於原生系統上的 GPU 效能的效能層級。使用 PCI 傳遞模式時，每個 GPU 裝置都專用於 vSphere 工作負載叢集中虛擬機器 (VM)。

附註
若要將啟用了 GPU 的節點新增到現有叢集，請使用 tanzu cluster node-pool set 命令。

必要條件

具有 NVIDIA V100 或 NVIDIA Tesla T4 GPU 卡的 ESXi 主機。
vSphere 7.0 Update 3 及更新版本。以下列出 7.0u3 的組建編號，這是支援此功能所需的最低版本。
- VMware vCenter Server 7.0 Update 3 | ISO 組建編號 18700403。
- VMware ESXi 7.0 Update 3c | ISO 組建編號 19193900。
Tanzu Kubernetes Grid v1.6+。
Helm，這是 Kubernetes 套件管理程式。若要安裝，請參閱 Helm 說明文件中的安裝 Helm。

程序

若要建立工作負載叢集，且其中含有啟用了 GPU 的主機，請遵循以下步驟，來啟用 PCI 傳遞、建置自訂機器映像、建立叢集組態檔和 Tanzu Kubernetes 版本、部署工作負載叢集，以及使用 Helm 來安裝 GPU Operator。

將具有 GPU 卡的 ESXi 主機新增到 vSphere Client。
啟用 PCI 傳遞，並記錄 GPU 識別碼，如下所示：
1. 在 vSphere Client 中，選取 GPU 叢集中的目標 ESXi 主機。
2. 選取設定 (Configure) > 硬體 (Hardware) > PCI 裝置 (PCI Devices)。
3. 選取所有 PCI 裝置索引標籤。
4. 從清單中選取目標 GPU。
5. 按一下切換傳遞 (Toggle Passthrough)。
6. 在 [一般資訊 (General Information)] 下，記錄 [裝置識別碼 (Device ID)] 和 [廠商識別碼 (Vendor ID)] (在下圖中以綠色反白顯示)。相同的 GPU 卡會有相同的識別碼。對於叢集組態檔，您將需要這些。
使用工作負載叢集範本中的範本來建立工作負載叢集組態檔，並包含以下變數：
```
...
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"
```
其中：
- <VENDOR-ID> 和 <DEVICE-ID> 是您在上一個步驟中記錄的廠商識別碼和裝置識別碼。例如，如果廠商識別碼為 10DE，裝置識別碼為 1EB8，則值為 "0x10DE:0x1EB8"。
- <GPU-SIZE> 是叢集中所有 GPU 的框架緩衝區記憶體 GB 總計，且會四捨五入到下一個更高的 2 的乘冪。
  - 例如，對於兩個 40 GB GPU，緩衝區記憶體總計為 80 GB，四捨五入為 128 GB；因此，請將該值設定為 pciPassthru.64bitMMIOSizeGB=128。
  - 若要找出 GPU 卡所需的記憶體，請參閱 NVIDIA GPU 卡特定的說明文件。請參閱 NVIDIA 說明文件中的資料表在需要 64 GB 或以上 MMIO 空間的 GPU 上使用 vGPU 與大型記憶體虛擬機器的需求。
  - 另請參閱：
    - VMware 知識庫文章在 VMware ESX 或 VMware ESXi 主機上設定 VMDirectPath I/O 傳遞裝置
    - Dell 知識庫文章 PowerEdge：將 GPU 與 vSphere 上的虛擬機器一起使用時，PCI 傳遞「模組 DevicePowerOn 開機失敗」
- 如果您使用的是 NVIDIA Tesla T4 GPU，則 <BOOLEAN> 為 false；如果使用的是 NVIDIA V100 GPU，則為 true。
- <VSPHERE_WORKER_HARDWARE_VERSION> 是我們要虛擬機器升級到的虛擬機器硬體版本。GPU 節點所需的最低版本應為 17。
- 如果有額外的 PCI 裝置可在升級期間供工作節點使用，則 WORKER_ROLLOUT_STRATEGY 為 RollingUpdate，否則請使用 OnDelete。
附註
每個虛擬機器只能使用一種 GPU 類型。例如，不能在單一虛擬機器上同時使用 NVIDIA V100 和 NVIDIA Tesla T4，但可以使用具有相同廠商識別碼和裝置識別碼的多個 GPU 執行個體。

tanzu CLI 不允許更新 MachineDeployment 上的 WORKER_ROLLOUT_STRATEGY 規格。如果叢集升級因 PCI 裝置無法使用而停滯，VMware 建議使用 kubectl CLI 來編輯 MachineDeployment 政策。推出策略定義在 spec.strategy.type 中。

如需可以設定給啟用了 GPU 的叢集的完整變數清單，請參閱〈組態檔變數參考〉中的啟用了 GPU 的叢集。
透過執行以下命令，來建立工作負載叢集：
```
tanzu cluster create -f CLUSTER-CONFIG-NAME
```
其中 CLUSTER-CONFIG-NAME 是您在先前的步驟中建立的叢集組態檔的名稱。

新增 NVIDIA Helm 存放庫。

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

安裝 NVIDIA GPU Operator：
```
helm install --kubeconfig=./KUBECONFIG  --wait --generate-name -n gpu-operator --create-namespace nvidia/gpu-operator
```
其中，KUBECONFIG 是工作負載叢集 kubeconfig 的名稱和位置。如需詳細資訊，請參閱擷取工作負載叢集 kubeconfig。

如需此命令中的參數的相關資訊，請參閱 NVIDIA 說明文件中的安裝 GPU Operator。

確定 NVIDIA GPU Operator 正在執行：

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

輸出類似於：

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

測試 GPU 叢集

若要測試啟用了 GPU 的叢集，請為 Kubernetes 說明文件中的 cuda-vector-add 範例建立網繭資訊清單，並進行部署。容器將下載、執行並使用 GPU 來執行 CUDA 計算。

建立一個名為 cuda-vector-add.yaml 的檔案，並新增以下內容：

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

套用檔案：
```
kubectl apply -f cuda-vector-add.yaml
```

執行：

kubectl get po cuda-vector-add

輸出類似於：

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

執行：

kubectl logs cuda-vector-add

輸出類似於：

[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

將工作負載叢集部署到 Edge 網站

Tanzu Kubernetes Grid v1.6+ 支援將工作負載叢集部署到 Edge VMware ESXi 主機。如果希望在不同的位置執行多個 Kubernetes 叢集，這些叢集全部由中央管理叢集管理，則可以使用此方法。

拓撲：您可以在具有單一控制平面節點且僅具有一或兩個主機的生產環境中，執行 Edge 工作負載叢集。但是，儘管這使用的 CPU、記憶體和網路頻寬較少，但卻沒有標準生產 Tanzu Kubernetes Grid 叢集的彈性和復原特性。如需詳細資訊，請參閱 VMware Tanzu Edge 解決方案參考架構 1.0。

本機登錄：為了盡可能地減少通訊延遲及提高彈性，每個 Edge 叢集應具有自己的本機 Harbor 容器登錄。如需此架構的概觀，請參閱〈架構概觀〉中的容器登錄。要安裝本機 Harbor 登錄，請參閱 vSphere 上的部署離線 Harbor 登錄。

逾時：此外，當 Edge 工作負載叢集的管理叢集位於遠端的主要資料中心時，您可能需要調整特定的逾時，讓管理叢集有足夠的時間與工作負載叢集機器連線。若要調整這些逾時，請參閱下面的延長 Edge 叢集的逾時以處理較高的延遲。

延長 Edge 叢集的逾時以處理更久的延遲

如果您的管理叢集會從遠端來管理在 Edge 網站上執行的工作負載叢集，或管理超過 20 個工作負載叢集，則可以調整特定的逾時，以便叢集 API 不會封鎖或刪除可能暫時離線或需要超過 12 分鐘才能與其遠端管理叢集通訊的機器 (尤其是當您的基礎結構佈建不足時)。

您可以調整三項設定，讓您的 Edge 叢集有額外的時間來與其控制平面進行通訊：

MHC_FALSE_STATUS_TIMEOUT：將預設 12m 延長至例如 40m，以防止 MachineHealthCheck 控制器重建機器 (如果其 Ready 條件維持 False 超過 12 分鐘)。如需有關機器健全狀況檢查的詳細資訊，請參閱設定 Tanzu Kubernetes 叢集的機器健全狀況檢查。
NODE_STARTUP_TIMEOUT：將預設 20m 延長至例如 60m，以防止 MachineHealthCheck 控制器因為新機器啟動時間超過 20 分鐘，被視為狀況不良，而封鎖新機器加入叢集。
etcd-dial-timeout-duration：例如，在 capi-kubeadm-control-plane-controller-manager 資訊清單中，將預設 10m 延長到 40s，以阻止管理叢集上的 etcd 用戶端在掃描工作負載叢集上 etcd 的健全狀況時提前失敗。管理叢集會根據它能否與 etcd 連線，作為機器健全狀況的衡量標準。例如：
1. 在終端機中執行：
```
kubectl edit  capi-kubeadm-control-plane-controller-manager -n capi-system
```
2. 變更 --etcd-dial-timeout-duration 的值：
```
- 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
```

此外，您需要注意：

capi-kubedm-control-plane-manager：如果它以某種方式與工作負載叢集「分離」，您可能需要將它退回到新節點，以便它可以適當地監控工作負載叢集中的 etcd。
TKG 中的 Pinniped 組態都會假設工作負載叢集已連線到管理叢集。萬一連線中斷，您應該確定工作負載網繭正在使用管理帳戶或服務帳戶，與 Edge 站台上的 API 伺服器進行通訊。否則，一旦與管理叢集中斷連線，會干擾 Edge 站台，使其無法透過 Pinniped 對其本機工作負載 API 伺服器進行驗證。