IBM Cloud コンソールからの Kubernetes ダッシュボードの起動

1. IBM Cloud コンソール にログインします。
2. メニュー・バーから、使用するアカウントを選択します。
3. メニューから をクリックし 、Containers（コンテナ） > Clusters（クラスタ） の順にクリックします。
4. **「クラスター」**ページで、アクセスするクラスターをクリックします。
5. クラスターの詳細ページで、**「Kubernetes Dashboard」**ボタンをクリックします。

CLI からの Kubernetes ダッシュボードの起動

CLI方式は、自動化とCI/CD統合を可能にする。 始める前に CLIをインストールして ください。

1. Kubernetes の資格情報を取得してください。

   kubectl config view -o jsonpath='{.users[0].user.auth-provider.config.id-token}'
   

2. 出力から id-token 値をコピーする。

3. プロキシを開始する。

   kubectl proxy
   

   出力例

   Starting to serve on 127.0.0.1:8001
   

4. ダッシュボードにサインインします。

   1. ブラウザで次の URL（ URL ）にアクセスしてください：

       http://localhost:8001/api/v1/namespaces/kube-system/services/https:kubernetes-dashboard:/proxy/
       ```
   2. サインオン・ページで**トークン**認証方法を選択します。
   
   3. **id-tokenの**値を **Token** フィールドに貼り付け、 **SIGN INを**クリックします。
   
   

proxy コマンドを終了するには CTRL+C を使用する。 kubectl proxy を再度実行してダッシュボードを再起動します。

前提条件

開始前に

• GPU フレーバーを使用する クラスター またはワーカー・プールを作成します。 ベアメタル・マシンのセットアップは、完了するまでに 1 営業日以上かかることがあることに留意してください。 使用可能なフレーバーのリストについては、以下のリンクを参照してください。

  • クラシック・フレーバー
  • VPC フレーバー

• クラスター内の Kubernetes リソースを処理できる適切な Kubernetes RBAC 役割を付与する、サービス・アクセス役割が自分に割り当てられていることを確認します。

Kubernetes バージョン 1.36 以降の場合 ： NVIDIA GPUドライバスタックをご自身でインストールし、管理する必要があります。 IBM Cloud Kubernetes Service は、ワーカーノードにプレインストールされたGPUドライバーを提供しなくなりました。 NVIDIA GPU Operatorインストールガイドに従って、必要なコンポーネントをインストールしてください：

• NVIDIA カーネルドライバ
• コンテナ・ランタイム・コンポーネント（例： nvidia-container-toolkit）
• Kubernetes デバイスプラグイン

ドライバがインストールされるまで、GPUを要求するポッドは Pending。 これらのドライバは、ノード上で互換ドライバが利用可能になった後、自動的に Running。

Kubernetes バージョン 1.35 以前の場合: IBM-提供されたGPUドライバーは、GPUワーカーノードに自動的にインストールされます。 ドライバーの追加インストールは不要です。

ワークロードのデプロイ

1. YAML ファイルを作成します。 この例では、 Job のYAMLファイルが、コマンドが完了し正常に終了するまで実行される短命なPodを作成することで、バッチ処理のようなワークロードを管理します。

   GPU ワークロードの場合、ジョブの YAML ファイルで「 resources: limits: nvidia.com/gpu 」フィールドを指定する必要があります。

   apiVersion: batch/v1
   kind: Job
   metadata:
     name: nvidia-devicequery
     labels:
       name: nvidia-devicequery
   spec:
     template:
       metadata:
         labels:
           name: nvidia-devicequery
       spec:
         containers:
         - name: nvidia-devicequery
           image: nvcr.io/nvidia/k8s/cuda-sample:devicequery-cuda11.7.1-ubuntu20.04
           imagePullPolicy: IfNotPresent
           resources:
             limits:
               nvidia.com/gpu: 2
         restartPolicy: Never
   

   YAMLコンポーネントを理解する

   コンポーネント	説明
   メタデータとラベルの名前	ジョブの名前とラベルを入力し、ファイルのメタデータと spec template メタデータの両方で同じ名前を使用します。 例えば、nvidia-devicequery です。
   containers.image	実行中インスタンスとなっているコンテナーが属するイメージを指定します。 この例では、 DockerHub CUDA デバイス照会イメージ nvcr.io/nvidia/k8s/cuda-sample:devicequery-cuda11.7.1-ubuntu20.04 を使用するように値が設定されています。
   containers.imagePullPolicy	イメージが現在ワーカー・ノード上にない場合にのみ新規イメージをプルする場合は、IfNotPresent を指定します。
   resources.limits	GPU マシンの場合は、リソース制限を指定する必要があります。 Kubernetes デバイスプラグインは、デフォルトのリソース要求を制限値に合わせて設定します。 キーは「 nvidia.com/gpu 」と指定する必要があります。 2 のように、要求する GPU の総数を入力してください。 コンテナー・ポッドは GPU を共有せず、GPU はオーバーコミットできないことに注意してください。 例えば、mg1c.16x128 マシンが 1 台のみの場合、そのマシンには GPU が 2 つしかないため、指定できるのは最大で 2 つです。

2. YAML ファイルを適用します。 以下に例を示します。

   kubectl apply -f nvidia-devicequery.yaml
   

3. 「 nvidia-devicequery 」ラベルでポッドをフィルタリングして、ジョブポッドを確認してください。 STATUS が Completed であることを確認します。

   kubectl get pod -A -l 'name in (nvidia-devicequery)'
   

   出力例

   NAME                  READY     STATUS      RESTARTS   AGE
   nvidia-devicequery-ppkd4      0/1       Completed   0          36s
   

4. ポッドに describe を実行して、GPU デバイス・プラグインがポッドをどのようにスケジュールしたかを確認します。

   • Limits フィールドと Requests フィールドで、指定したリソース制限とデバイス・プラグインが自動的に設定した要求とが一致していることを確認します。
   • イベントで、ポッドが GPU ワーカー・ノードに割り当てられていることを確認します。

       kubectl describe pod nvidia-devicequery-ppkd4
       ```
       出力例
       ```sh {: screen}
       NAME:           nvidia-devicequery-ppkd4
       Namespace:      default
       ...
       Limits:
           nvidia.com/gpu:  1
       Requests:
           nvidia.com/gpu:  1
       ...
       Events:
       Type    Reason                 Age   From                     Message
       ----    ------                 ----  ----                     -------
       Normal  Scheduled              1m    default-scheduler        Successfully assigned nvidia-devicequery-ppkd4 to 10.xxx.xx.xxx
       ...
       ```
   

5. ジョブが GPU を使用してそのワークロードの計算を実行したことを検証するには、ログを確認します。

   kubectl logs nvidia-devicequery-ppkd4
   

   出力例

   /cuda-samples/sample Starting...
   CUDA Device Query (Runtime API) version (CUDART static linking)
   Detected 1 CUDA Capable device(s)
   Device 0: "Tesla P100-PCIE-16GB"
   CUDA Driver Version / Runtime Version          11.4 / 11.7
   CUDA Capability Major/Minor version number:    6.0
   Total amount of global memory:                 16281 MBytes (17071734784 bytes)
   (056) Multiprocessors, (064) CUDA Cores/MP:    3584 CUDA Cores
   GPU Max Clock rate:                            1329 MHz (1.33 GHz)
   Memory Clock rate:                             715 Mhz
   Memory Bus Width:                              4096-bit
   L2 Cache Size:                                 4194304 bytes
   Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
   Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
   Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
   Total amount of constant memory:               65536 bytes
   Total amount of shared memory per block:       49152 bytes
   Total shared memory per multiprocessor:        65536 bytes
   Total number of registers available per block: 65536
   Warp size:                                     32
   Maximum number of threads per multiprocessor:  2048
   Maximum number of threads per block:           1024
   Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
   Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
   Maximum memory pitch:                          2147483647 bytes
   Texture alignment:                             512 bytes
   Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
   Run time limit on kernels:                     No
   Integrated GPU sharing Host Memory:            No
   Support host page-locked memory mapping:       Yes
   Alignment requirement for Surfaces:            Yes
   Device has ECC support:                        Enabled
   Device supports Unified Addressing (UVA):      Yes
   Device supports Managed Memory:                Yes
   Device supports Compute Preemption:            Yes
   Supports Cooperative Kernel Launch:            Yes
   Supports MultiDevice Co-op Kernel Launch:      Yes
   Device PCI Domain ID / Bus ID / location ID:   0 / 175 / 0
   Compute Mode:
   < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
   deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.4, CUDA Runtime Version = 11.7, NumDevs = 1
   Result = PASS
   

   この例では、GPU がワーカー・ノードでスケジュールされているため、GPU を使用してジョブが実行されました。 制限が 2 に設定されている場合は、2 個の GPU のみが表示されます。

テスト用のGPUワークロードをデプロイしたところで、次のようなGPU処理に依存するツールを実行できるようにクラスタを設定したい場合もあるでしょう。 IBM Maximo Visual Inspection。