6、爱奇艺- 张俊钦-爱奇艺 K8S GPU 共享虚拟化实践和优化-脱敏版.pdf

6、爱奇艺- 张俊钦-爱奇艺 K8S GPU 共享虚拟化实践和优化-脱敏版.pdf

  1. 1、本文档共28页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
爱奇艺 K8S GPU 共享虚拟 化实践和优化 爱奇艺深度学习平台 张俊钦 案例背景 爱奇艺深度学习平台 案例背景 • 爱奇艺深度学习平台,为公司各个业务提供统一的综合服务平台 • 提供 GPU/CPU 弹性资源 • 数据验证 • 训练服务 • 推理服务 • 框架性能优化 • 优化资源利用 案例背景 爱奇艺深度学习平台 Application 视频创作 视频生产 内容分发 社交互动 商业变现 … AI Tensorflow Pytroch … Frameworks Data Algorithm Platform Store AI as a Data Training Inference Service Validation Resource Management Mesos Kubernetes Orchestration Infrastructure CPU/GPU 公有云 网络 存储 案例背景 爱奇艺AI应用场景 案例背景 • 在线推理服务的 GPU 平均利用率长期处于一个比较低水平 • 每个容器实例独 占一个 GPU • 在线服务高可用需求 • 多个业务模型难 以部署在同一个容器 • 长尾现象 案例背景 利用率低于 10% 占到将近 60% 解决思路 爱奇艺深度学习平台 解决思路 • 目标 : • 将一张 GPU 资源进行切分 ,让多个容器共享并运行在同一张 GPU 卡 • 问题 : • GPU 有哪些资源 ,如何切分? • 共享 GPU 的容器隔离性? • 如何对分割的 GPU 资源进行调度? • 迁移和运维成本如何? 解决思路 GPU 有哪些资源 ,如何切分? SM GPU SP SP SP SP SM SM SM SM Register GPU SM SM SM SM Device LD/ST LD/ST SFU L2 Cache

文档评论(0)

优选文档 + 关注
实名认证
内容提供者

专注于发布优质文档,喜欢的可以关注一下哦~

1亿VIP精品文档

相关文档