NVIDIA 大讲堂 | 什么是 KUBERNETES？

Kubernetes 是一个开源平台，用于自动进行容器编排，即容器化应用程序的部署、扩展和管理。

什么是 KUBERNETES？

Kubernetes 提供了一个框架，用于部署、管理、扩展和切换分布式容器，这些容器是随依赖项和配置打包的微服务。

它建立在 Google 十多年的容器管理系统开发经验基础上，并结合了来自社区的出色想法、模式和实践。

为何选择 KUBERNETES？

软件容器随着 2013 年出现的 Docker 得到了普及，而现在，Moby 也发挥了这一作用。容器镜像会打包整个运行时环境，包括应用程序，以及执行应用程序所需的所有依赖项、库和其他二进制文件以及配置文件。与虚机相比，容器具有相似的资源和隔离优势，但更为轻巧，因为容器将操作系统虚拟化而非采用硬件。容器便于移植，占用空间以及使用的系统资源更少，且几秒钟内即可加快运行。容器还可提高开发者的效率。DevOps 团队无需再等待操作系统来配置计算机，他们可以快速将应用程序打包到容器中并部署。

得益于这些优势，容器立即受到开发者的青睐，并迅速成为云应用程序部署的热门选择。容器的普及意味着一些组织很快会运行成千上万个容器，因此需要实现管理自动化。Kubernetes 简化了容器管理，因此大受欢迎，并通过进一步支持微服务架构使容器成为主流，该架构促进了云原生应用程序的快速交付和可扩展编排。

云原生计算基金会 (Cloud Native Computing Foundation) 成立于 2015 年，是 Linux 基金会的一个项目，旨在推动云原生技术的采用。其中包括容器、服务网格、微服务、不可变基础设施以及声明性 API，并围绕一套通用标准使开发者保持一致。CNCF 为许多增长快速的开源项目（包括 Kubernetes）提供了供应商中性平台。该团队的工作有助于防止 Kubernetes 代码库出现分叉。因此，各大计算平台和云提供商现在都支持相同的 Kubernetes 代码库。虽然已经出现了 Kubernetes 的品牌版本（如 Red Hat OpenShift 或 Amazon Elastic Kubernetes Service），但其底层代码是相同的。

KUBERNETES 的工作原理是什么？

Kubernetes 引入了一个分组概念（称为“POD”），允许多个容器在主机上运行，并共享资源，而不会发生冲突。POD 可用于定义共享服务（如目录、IP 地址或存储），并公开至 POD 中的所有容器。这使得应用程序内的服务能够容器化并一起运行，因为每个容器都与主应用程序紧密相连。

节点代理称为 kubelet，用于管理 POD、容器和图像。Kubernetes 控制器管理 POD 集群，并确保分配充足资源，以实现所需的可扩展性和性能级别。

Kubernetes 提供各种有用服务，特别是在集群环境中。它实现了服务发现和负载均衡的自动化，自动安装存储系统，并自动推广和回退，以达到指定的预期状态。它还会监控容器运行状况、重启出现故障的容器，并启用密码和密钥等敏感信息以安全存储在容器中。

这简化了机器和服务管理，使单个管理员能够管理同时运行的数千个容器。Kubernetes 还允许跨现场部署到公共或私有云，以及介于两者之间的混合部署的编制。

Kubernetes 因其作为一个支持混合云计算平台的承诺引起了很多关注。由于每个物理和虚拟环境中的代码库都相同，因此从理论上讲，容器化应用程序可以在支持 Kubernetes 的任何平台上运行。业界仍在持续讨论混合架构的优点。支持者表示，这种方法可以避免出现锁定问题，而反对者则认为，在可移植性方面做出的妥协在于，开发者只能使用一系列有限的开源技术，无法利用品牌云和本地平台上的全部服务功能。

KUBERNETES 用例

如上所述，混合和多云部署是 Kubernetes 的一个理想用例，因为应用程序无需与底层平台绑定。Kubernetes 负责处理资源分配并监控容器运行状况，以确保根据需要提供服务。

Kubernetes 还非常适合可用性至关重要的环境，因为编排器可以抵御故障实例、端口冲突和资源瓶颈等问题。

容器是一种用于无服务器计算的基础技术，在这种计算中，应用程序由活跃的服务构建，这些服务仅针对该应用程序的需要执行函数。无服务器计算有点用词不当，因为容器必须在服务器上运行。但目标是将虚机封装到容器中，以尽可能减少调配虚机所需的成本和时间，这些容器几毫秒内即可启动，由 Kubernetes 管理。

Kubernetes 还有一个称为命名空间的功能，指一个集群内的虚拟集群。允许运营和开发团队共享同一组物理机，并访问相同服务，而不会造成冲突。

KUBERNETES 的重要意义

| 数据科学家

数据科学的挑战之一是在可复制的环境中创建可重复的实验，并能够跟踪和监控生产中的指标。容器能够创建具有多个协调阶段的可重复流程，这些流程以可复制的方式协同工作，用于处理、特征提取和测试。

Kubernetes 中的声明性配置描述了服务之间的关系。微服务架构使调试变得更容易，并改善了数据科学团队成员之间的协作。数据科学家还可以利用 BinderHub 等扩展程序，从存储库中构建和注册容器镜像，并将它们发布为其他用户可交互使用的共享笔记本。

Kubeflow 等扩展程序简化了在 Kubernetes 中设置和维护机器学习工作流程和管线的过程。编排器具有可移植性优势，让数据科学家可以在笔记本电脑上进行开发，并随时随地进行部署。

| Devops

数据工程师很难将机器学习模型投入生产。他们花时间编辑配置文件、分配服务器资源，还要担心如何在不导致项目崩溃的情况下扩展模型并整合 GPU。容器生态系统引入了许多工具，旨在简化数据工程师的工作。

例如，Istio 是一个可配置的开源服务网格层，可用于轻松创建一个具备自动化负载均衡、服务到服务身份验证以及监控的已部署服务网络，且无需对服务代码做任何更改。它可精细控制流量行为、丰富的路由规则、重试、故障转移和故障注入，以及用于访问控制、速率限制和配额的可插入策略层和配置 API。

Kubernetes 生态系统借助此类专用工具继续发展，使服务器配置隐形，允许数据工程师可视化依赖项，从而简化配置和故障排除。

为何 KUBERNETES 在 GPU 上表现更出色

Kubernetes 包括对 GPU 的支持，这使得配置和使用 GPU 资源来加速数据科学、机器学习和深度学习等工作负载变得容易。设备插件允许 POD 访问 GPU 等专用硬件功能，并作为可调度资源公开。

随着 AI 应用程序和服务的不断增加以及公有云中 GPU 的全面发售，Kubernetes 需要具备 GPU 感知能力。NVIDIA 一直在稳步构建其软件库，以优化在容器环境中使用的 GPU。例如，NVIDIA GPU 上的 Kubernetes 支持多云 GPU 集群通过跨多节点集群 GPU 加速容器的自动化部署、维护、调度和操作实现无缝扩展。

GPU 上的 Kubernetes NVIDIA 具有以下主要特性：

借助 NVIDIA 设备插件，在 Kubernetes 中启用 GPU 支持指定 GPU 属性（例如 GPU 类型和内存需求），以便在异构 GPU 群集中进行部署借助 NVIDIA DCGM、Prometheus 和 Grafana 的集成 GPU 监控堆栈，允许对 GPU 指标和运行状况进行可视化和监控支持多个基础容器运行时，例如 Docker 和 CRI-ONVIDIA DGX™ 系统提供官方支持

NVIDIA EGX™ 堆栈是一款可扩展的原生云软件堆栈，可实现由 Kubernetes 管理的容器化加速 AI 计算。借助 NVIDIA EGX 堆栈，组织可以在几分钟内轻松部署经过更新的 AI 容器。

但是，Kubernetes 并不是什么灵丹妙药。它为资源发现和管理提供了良好的 API，但其并非简化资源使用的全部解决方案。因此，NVIDIA 开发了 Triton，这是一个开源推理服务平台，允许用户在任何 GPU 或基于 CPU 的接口上部署 AI 训练模型。在 Kubernetes 环境中运行 Triton，可以完全从软件中提取出硬件。在这种情况下，Kubernetes 充当 Triton 运行的基础。Triton 负责提取节点内的硬件，而 Kubernetes 负责编排集群，使其能够更有效地向外扩展。

GPU 硬件中的 KUBERNETES

除了软件之外，NVIDIA 已采取措施定制其硬件，以用于虚拟化环境。不过，这并非 Kubernetes 所特有。随着公司推出基于 Ampere™ 的 A100 企业级 GPU 和 DGX A100 服务器，NVIDIA 还推出了多实例 GPU (MIG)。MIG 允许将单个 A100 GPU 分割为七个小 GPU，类似于将 CPU 分割成多个单独核心。允许用户使用 Kubernetes 等容器运行时以更精确的粒度自动扩展其应用程序。

在 MIG 推出之前，GPU 加速 Kubernetes 集群中的每个节点都需要自己的专用 GPU。有了 MIG，单个 NVIDIA A100（DGX A100 中有 8 个）现在可以支持多达 7 个小节点。这使得应用程序和资源可以实现更大规模的线性扩展。

随着 AI 服务成为 GPU 加速工作负载，而这正处于成功前的拐点，GPU 将开始进入 Kubernetes 的主流。随着形势发展，人们会把 GPU 加速视为一个快速或高效的按钮，而不必考虑 GPU 开发或编程。