Google正式集成Kubernetes引擎與GPU服務

近日Google雲計算服務加強許多深度學習、機器學習應用相關的功能，先是擴展虛擬主機硬體規格，推出主打大內存容量的ultramem規格VM，讓用戶能進行高性能計算，同時，公有雲平台的先佔式GPU、TPU也在近日陸續上線，企業可以花費比隨需服務更便宜的價格，使用GPU、TPU資源。而這一次Google則是宣布，公有雲GPU服務現在正式與Kubernetes引擎（GKE）集成。

目前GCP旗下的GPU硬體共有3種選擇，從價格較入門等級的K80，至中端P100及高端V100，讓用戶可以按需選擇。想要使用新功能的用戶，現在Google也有提供300美元免費試用額度。

這次發布後，企業在GKE環境中運行的容器應用程序，便可以搭配GPU服務，執行CUDA工作負載，「可以借力GPU大量處理能力，同時免去管理VM的工作」，Google表示，此服務也可以搭配日前正式上線的先佔式GPU服務使用，降低企業進行機器學習運算的成本。現在此功能，也已經和Google雲計算監控服務Stackdriver集成，用戶可以觀察，現在GPU資源的訪問頻率、GPU資源的可用量，或者GPU的配置狀況。

此外，在Kubernetes環境中使用GPU服務的企業，也可以一併使用Google Kubernetes引擎的一些現有功能。像是搭配Node資源池功能，讓現有Kubernetes集群上的應用程序可以訪問GPU資源。當企業應用規模彈性改變時，則可以選用集群擴展功能，系統可以自動擴展內置GPU的節點，當基礎架構中沒有任何Pod需要訪問GPU資源時，系統就會自動關閉這些擴展節點，GKE也會確保節點上的Pod，都是需要訪問GPU資源的Pod，避免沒有GPU需求的Pod被部署至這些節點運行。而系統管理員可以利用資源配額功能，當多個團隊共享大規模集群時，限制各用戶能訪問的GPU資源。

現在此功能，也已經和Google雲計算監控服務Stackdriver集成，用戶可以觀察，現在GPU資源的訪問頻率、GPU資源的可用量，或者GPU的配置狀況。圖片來源：Google

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！