tencent cloud

功能概述

通常场景下，qGPU Pod 会公平地使用物理 GPU 资源，qGPU 内核驱动为各任务分配等价的 GPU 时间片。但不同 GPU 计算任务的运行特点和重要性会有很大差异，导致对 GPU 资源的使用和要求不同。如实时推理对 GPU 资源比较敏感，要求低延迟，在使用时需要尽快拿到 GPU 资源进行计算，但它对 GPU 资源的使用率通常不高。模型训练对 GPU 资源使用量较大，但对延迟敏感度较低，可以忍受一定时间的抑制。
在这种背景下，腾讯云推出了 qGPU 离在线混部功能。qGPU 离在线混部是腾讯云创新性推出的 GPU 离在线混部调度技术，它支持在线（高优）任务和离线（低优）任务同时混合部署在同一张 GPU 卡上，在内核与驱动层面，实现了低优100%使用闲置算力及高优100%抢占。依赖 qGPU 离在线混部调度技术，可将用户的 GPU 资源做进一步压榨，将 GPU 利用率提升到100%，把 GPU 使用成本降到最低。

功能优势

qGPU 离在线混部实现了对 GPU 算力资源的两个“100%”控制，通过创新性的技术做到了对 GPU 算力的极限压榨：

• 100%使用高优闲置算力：高优任务闲时，低优任务可100%使用 GPU 算力资源。
• 100%抢占低优占用算力：高优任务忙时，可100%抢占低优任务所使用 GPU 算力资源。

典型场景

在线推理与离线推理混部

搜索 / 推荐等推理任务用于支持线上服务，对 GPU 算力实时性要求。数据预处理等推理任务用于支持线下数据清洗和处理，对 GPU 算力实时性要求较低。通过将线上推理业务设置为高优任务，线下推理业务设置成低优任务，混合部署在同一张 GPU 卡上。

在线推理与离线训练混部

实时推理对 GPU 算力可用性要求高，资源使用较少。模型训练对 GPU 算力使用较多，敏感度要求较低。通过将推理设置为高优任务，训练设置为低优任务，混合部署在同一张 GPU 卡上。

技术原理

通过 TKE 集群提供的在离线调度策略可以开启 qGPU 离在线混部能力，帮助在线任务（高优）和离线任务（低优）更高效的共享使用物理 GPU 资源。qGPU 离在线混部技术主要包含两个功能：

功能1：低优 Pod 可以100%使用闲置算力

低优 Pod 在调度到节点 GPU 上后，如果 GPU 算力没有被高优 Pod 占用，低优 Pod 可以完全使用 GPU 算力。多个低优 Pod 共享 GPU 算力会受到 qGPU policy 策略控制。多个高优 Pod 之间不受具体 policy 控制，会是争抢模式。

功能2：高优 Pod 可以100%抢占低优 Pod

qGPU 离在线混部提供了一种优先级抢占能力，可以保证高优 Pod 在忙时能立刻、完全使用 GPU 算力资源，这是通过一种优先级抢占调度策略实现的。我们在 qGPU 驱动层实现了这种绝对抢占能力：
首先，qGPU 驱动可以感知高优 Pod 对 GPU 算力的需求。高优 Pod 一旦提交涉及 GPU 算力的计算任务，qGPU 驱动会在第一时间将算力全部提供给高优 Pod 使用，响应时间被控制在1ms以内。当高优 Pod 无任务运行时，驱动会在100ms后释放所占用算力，并重新分配给离线 Pod 使用。
其次，qGPU 驱动可以支持计算任务的暂停和继续。当高优 Pod 有计算任务运行时，原有占用 GPU 的低优 Pod 会立刻被暂停，将 GPU 算力让出，给高优 Pod 使用。当高优 Pod 任务结束，低优 Pod 会随即被唤醒，按照中断点继续计算。各优先级计算任务运行的时序图如下所示：

调度策略

在普通 qGPU 节点中，用户可以通过设置 policy 影响不同 Pod qGPU 在同一张卡上的调度策略。离在线混部功能中，policy 只会对低优 Pod 的调度产生影响。

• 低优 Pod
  当前高优 Pod 处于休眠状态，低优 Pod 在运行，低优 Pod 之间仍会按照 policy 策略调度。当高优 Pod 开始使用 GPU 算力，所有低优 Pod 会立刻被暂停，直到高优 Pod 计算任务结束，低优任务会重新按照 policy 策略继续运行。
• 高优 Pod
  高优 Pod 在有计算任务后会立即抢占 GPU 算力，高优 Pod 与低优 Pod 间是绝对抢占关系，不受具体 policy 影响。多个高优 Pods 之间的 GPU 算力分配是一种争抢模式，不受具体 policy 策略控制。