组件部署¶
在 DCE 5.0 的安装器 v0.17.0 之后商业版安装时可以同步安装 AI Lab 模块, 无需自行安装 ;请联系交付支持团队获取商业版安装包。
全局服务集群¶
AI Lab 模块仅需安装在全局服务集群
打开全局服务集群,然后在 Helm 应用 -> Helm 模板 找到 baize
执行安装步骤。
注意事项
- 命名空间为
baize-system
- 替换环境地址后打开
<YOUR_DCE_HOST>/kpanda/clusters/kpanda-global-cluster/helm/charts/addon/baize
kpanda-global-cluster
是全局服务集群名称
baize-agent 工作集群¶
Warning
如果在 AI Lab 中对应的集群无法选择或提示缺少 baize-agent
,也就是该工作集群的组件并未成功部署。
在每个有算力资源的工作集群内,需要部署对应的基础组件,主要组件包含:
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 AI Lab 的核心组件,调度、监控、Pytorch、Tensorflow 等算力组件- 【可选】
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。
界面化安装 baize-agent¶
baize-agent 需要在工作集群部署。
按照下方提示,进入工作集群,然后在 Helm 应用 -> Helm 模板 找到 baize-agent
执行安装步骤。
注意事项
- 命名空间为
baize-system
- 替换环境地址后打开
<YOUR_DCE_HOST>/kpanda/clusters/<cluster_name>/helm/charts/addon/baize
cluster_name
是对应工作集群的名称
YAML 示例:
cluster-controller:
image:
registry: ''
repository: baize/baize-cluster-controller
tag: v0.4.1
global:
cluster:
schedulers: []
config:
cluster_name: ''
dataset_job_spec: {}
inference_config:
triton_image: m.daocloud.io/nvcr.io/nvidia/tritonserver:24.01-py3
triton_images_map:
VLLM: m.daocloud.io/nvcr.io/nvidia/tritonserver:24.01-vllm-python-py3
debug: false
high_available: false
imagePullPolicy: IfNotPresent
imagePullSecrets: []
imageRegistry: release.daocloud.io
prod: baize-agent
resources: {}
kubeRbacProxy:
image:
registry: ''
repository: baize/kube-rbac-proxy
tag: v0.8.0
kueue:
enablePlainPod: false
fullnameOverride: kueue
image:
registry: ''
repository: baize/kueue
tag: v0.6.2
loader:
image:
registry: ''
repository: baize/baize-data-loader
tag: v0.4.1
notebook:
image:
registry: ''
repository: baize/baize-notebook
tag: v0.4.1
notebook-controller:
image:
registry: ''
repository: baize/notebook-controller
tag: v1.8.0
priority:
high:
value: 100000
low:
value: 1000
medium:
value: 10000
training-operator:
image:
registry: ''
repository: baize/training-operator
tag: v1-5525468
Helm 安装 baize-agent¶
确保全局服务集群内已经安装了 AI Lab 组件,可以通过在管理界面查看是否有 AI Lab 模块。
Info
需要在一级导航栏有 AI Lab
入口,保障管理组件部署成功。
# baize 是 AI Lab 组件的开发代号
helm repo add baize https://release.daocloud.io/chartrepo/baize
helm repo update baize
helm search repo baize # 获取最新的版本编号
export VERSION=<version> # 注意使用当前最新版本
helm upgrade --install baize-agent baize/baize-agent \
--create-namespace \
-n baize-system \
--set global.imageRegistry=release.daocloud.io \
--version=${VERSION}
以上工作完成后,工作集群初始就成功了,可以在 AI Lab 模块,进行任务训练和模型开发。
预热组件介绍¶
AI Lab 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 AI Lab 的全部功能了,祝你使用愉快!