k8s扩展调度器以支撑更灵活的GPU调度
背景
现如今，随着企业纷纷在机器学习和深度学习上加大投入，他们开始发现从头构建一个 AI 系统并非易事。
以深度学习为例。对于深度学习来说，算力是一切的根本。为了用海量数据训练性能更好的模型、加速整个流程，企业的 IT 系统需要具备快速、高效调用管理大规模 GPU 资源的能力。同时，由于算力资源十分昂贵，出于成本控制，企业也需要通过分布式训练等方式最大化 GPU 资源利用率。
面对这类新要求，基于 Kubernetes 的云原生技术为人工智能提供了一种新的工作模式。凭借其特性，Kubernetes 可以无缝将模型训练、inference 和部署扩展到多云 GPU 集群，允许数据科学家跨集群节点自动化多个 GPU 加速应用程序容器的部署、维护、调度和操作。
在 1.6 版本和 1.9 版本中，Kubernetes 先后提供了对 NVIDIA GPU、AMD GPU 容器集群管理调度的支持，进一步提高了对 GPU 等扩展资源进行统一管理和调度的能力。
但是，Kubernetes 作为新一代 AI 开发基础也存在缺陷。为训练任务分配算力资源时，它通常是随机分配容器所在节点的 GPU，而不能指定使用某类 GPU 类型。
虽然这对大部分深度学习模型训练场景来说已经足够了，但如果数据科学家希望能更灵活地使用更高性能的或某一类型的 GPU，Kubernetes 的能力就有些捉襟见肘了。
核心痛点
1、Kubernetes 作为新一代 AI 开发基础也存在缺陷。为训练任务分配算力资源时，它通常是随机分配容器所在节点的 GPU，而不能指定使用某类 GPU 类型。
2、Kubernetes 在分配GPU设备时，粒度过大，通常是以一个GPU训练卡为自愿申请最小单位，
这样显卡利用率低
解决方案：
1、扩展调度器
2、使用timeSlicing来细分显卡资源分配时间片的粒度
3、使用GPU Sharing方案细分显卡资源分配显存的粒度
一、扩展调度器
依赖以下现有 Kubernetes 工作机制：
Scheduler Extender 机制
Device Plugin 机制
API Server 扩展机制（CRD）
Admission 扩展机制（ResourceQuota）
另外的方法：带有侵入性但是改造成本低的方式
kubelet在申请设备的时候，是随机选择的，那么可以在kubelet申请设备的时候，使用一些库或者自制资源获取逻辑，获取主机上的显卡具体信息，比如：哪些是nvlink相连，哪些显存大，哪些频率高，这样的细节，将显卡的信息和显卡的ID信息的绑定关系保存起来，然后kubelet在调用nvidia-plugin的allocate的时候，显卡ID就可以在你自己的逻辑中根据pod的需要去申请最合适弟
二、使用timeSlicing来细分显卡资源分配粒度
具体细节参考上篇博文：k8s gpu时间分片
三、使用GPU Sharing方案细分显卡资源分配显存的粒度
部署参考链接：
https://developer.aliyun.com/article/690623 https://wangjunjian.com/kubernetes/2021/05/20/gpu-sharing-in-kubernetes.html https://www.jianshu.com/p/48a33e01230a
阿里巴巴开源方案源码链接：
