跳转至

算力集群初始化

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智算能力模块，无需自行安装；请联系交付支持团队获取商业版安装包。

安装智能算力管理模块 (UI 方式安装)

此管理模块仅在全局管理集群安装即可

使用下方链接，打开全局管理集群，然后在 Helm 应用 的 Helm 模板 搜寻到 baize 执行安装步骤。

注意事项

  • 命名空间 Namespace 为 baize-system
  • 替换环境地址后打开 <YOUR_DCE_HOST>/kpanda/clusters/kpanda-global-cluster/helm/charts/addon/baize
  • 注意 kpanda-global-cluster 全局管理集群

安装智能算力管理模块 (CLI 方式安装)

管理模块仅在全局管理集群安装即可

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
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 baize/baize \
    --create-namespace \
    -n baize-system \
    --set global.imageRegistry=release.daocloud.io \
    --version=${VERSION}

工作集群初始化

注意：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：

  • 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
  • 【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。

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。

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！

评论