算力集群初始化¶
默认情况下,DCE 5.0 商业版安装时可以同步安装智算能力模块,请联系交付支持团队获取商业版安装包。
安装智能算力¶
确保全局管理集群内已经安装了智算能力组件,确认方式为通过 DCE 5.0 管理界面查看是否有智算能力模块。
Info
一级导航栏有 智能算力
入口。
如何不存在,可以通过以下方式安装,注意需要在 kpanda-global-cluster
全局管理集群内安装:
# baize 是智算能力组件的开发代号
helm repo add baize https://release.daocloud.io/chartrepo/baize
helm repo update
export VERSION=v0.1.1
helm upgrade --install baize baize/baize \
--create-namespace \
-n baize-system \
--set global.imageRegistry=release.daocloud.io \
--version=${VERSION}
如果是在已有的 DCE
环境中安装,可以添加 helm
源到容器管理内,采用界面化安装方式亦可。
工作集群初始化¶
在每个有算力资源的工作集群内,需要部署对应的算力基础组件,主要组件包含如下:
gpu-operator
初始化集群中的 GPU 资源,这部分会因 GPU 资源类型安装方式不同, 详情参考 GPU 管理insight-agent
可观测组件,用于采集集群的基础设施信息,包含日志、指标、事件baize-agent
包含了智能算力的核心组件,调度、监控、Pytorch、Tensorflow 等算力组件nfs
存储服务,用于数据集的预热
Danger
以上组件必须安装,否则会导致功能使用不正常。
以上工作完成后,已经可以在智能算力内,进行任务训练和模型开发,详细使用可以参考如下:
预热组件介绍¶
智能算力模块提供的数据管理中,数据集的预热能力依赖存储服务,推荐使用 NFS 服务:
- 部署 NFS Server
- 如果已存在 NFS 可以跳过此步骤
- 如果不存在,可以参考最佳实践中的 NFS 服务部署
- 部署
nfs-driver-csi
- 部署
StorageClass
结语¶
以上完成后,就可以在工作集群内正常体验智能算力的全部功能了,祝你使用愉快!