Update README and integration config to match official docs
- README: reflect podGroupPolicy.volcano usage (not manual schedulerName) - README: remove PriorityClass section (not needed for now, FIFO is default) - README: add component placement summary table (all on nodegroup: nd) - README: add nodegroup: nd prerequisite and verification commands - README: update troubleshooting for podGroupPolicy-based integration - Integration config: remove PriorityClass, renumber sections Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
parent
a9cd113b8f
commit
dafa90e6d0
120
README.md
120
README.md
|
|
@ -41,13 +41,15 @@ kubeflow_trainer_with_volcano/
|
|||
- `kubectl` 클러스터 접근 설정 완료
|
||||
- GPU 노드에 NVIDIA device plugin 설치 완료
|
||||
- 클러스터에 기존 Volcano/Kubeflow CRD가 없는 상태
|
||||
- 컨트롤 플레인 컴포넌트 배치용 노드에 `nodegroup: nd` 라벨 설정 완료
|
||||
|
||||
```bash
|
||||
# 사전 확인
|
||||
kubectl version
|
||||
helm version
|
||||
kubectl get nodes
|
||||
nvidia-smi # GPU 노드에서 확인
|
||||
kubectl get nodes -l nodegroup=nd # 컨트롤 컴포넌트 배치 노드 확인
|
||||
nvidia-smi # GPU 노드에서 확인
|
||||
```
|
||||
|
||||
---
|
||||
|
|
@ -64,6 +66,8 @@ kubectl create namespace volcano-system
|
|||
|
||||
### 2.2 Helm으로 Volcano 설치 (로컬 chart 사용)
|
||||
|
||||
모든 Volcano 컴포넌트는 `nodegroup: nd` 노드에 배치됩니다 (`configs/volcano-values.yaml`의 `default_ns` 설정).
|
||||
|
||||
```bash
|
||||
helm install volcano charts/volcano/volcano-1.14.0.tgz \
|
||||
-n volcano-system \
|
||||
|
|
@ -71,11 +75,16 @@ helm install volcano charts/volcano/volcano-1.14.0.tgz \
|
|||
--wait --timeout 5m
|
||||
```
|
||||
|
||||
주요 커스텀 설정 (`configs/volcano-values.yaml`):
|
||||
- **scheduler_config_override**: gang scheduling + binpack (GPU 노드 집약 배치) 활성화
|
||||
- **default_ns**: `nodegroup: nd` — Volcano 컴포넌트를 non-GPU 노드에 배치
|
||||
- **API rate limits**: 대규모 클러스터용 QPS/Burst 설정
|
||||
|
||||
### 2.3 설치 확인
|
||||
|
||||
```bash
|
||||
# Pod 상태 확인
|
||||
kubectl get pods -n volcano-system
|
||||
# Pod 상태 확인 (모두 nodegroup=nd 노드에 배치되어야 함)
|
||||
kubectl get pods -n volcano-system -o wide
|
||||
|
||||
# 기대 출력:
|
||||
# volcano-admission-xxxxx 1/1 Running
|
||||
|
|
@ -90,9 +99,6 @@ kubectl get crd | grep volcano
|
|||
# jobs.batch.volcano.sh
|
||||
# podgroups.scheduling.volcano.sh
|
||||
# queues.scheduling.volcano.sh
|
||||
|
||||
# 기본 Queue 확인
|
||||
kubectl get queue -n volcano-system
|
||||
```
|
||||
|
||||
### 2.4 Volcano 삭제 (필요시)
|
||||
|
|
@ -116,6 +122,8 @@ kubectl create namespace kubeflow-trainer
|
|||
|
||||
### 3.2 Helm으로 Kubeflow Trainer 설치 (로컬 chart 사용)
|
||||
|
||||
Trainer controller와 JobSet controller 모두 `nodegroup: nd` 노드에 배치됩니다 (`configs/kubeflow-trainer-values.yaml` 설정).
|
||||
|
||||
```bash
|
||||
helm install kubeflow-trainer charts/kubeflow-trainer-0.0.0-sha-48e7a93.tgz \
|
||||
-n kubeflow-trainer \
|
||||
|
|
@ -123,6 +131,11 @@ helm install kubeflow-trainer charts/kubeflow-trainer-0.0.0-sha-48e7a93.tgz \
|
|||
--wait --timeout 5m
|
||||
```
|
||||
|
||||
주요 커스텀 설정 (`configs/kubeflow-trainer-values.yaml`):
|
||||
- **manager.nodeSelector**: `nodegroup: nd` — Trainer controller를 non-GPU 노드에 배치
|
||||
- **jobset.controller.nodeSelector**: `nodegroup: nd` — JobSet controller를 non-GPU 노드에 배치
|
||||
- **jobset.install**: `true` — JobSet을 함께 설치 (이미 설치되어 있으면 `false`로 변경)
|
||||
|
||||
### 3.3 ClusterTrainingRuntime 설치
|
||||
|
||||
```bash
|
||||
|
|
@ -132,11 +145,12 @@ kubectl apply -f manifests/kubeflow-trainer/runtimes/runtimes.yaml
|
|||
### 3.4 설치 확인
|
||||
|
||||
```bash
|
||||
# Trainer controller 확인
|
||||
kubectl get pods -n kubeflow-trainer
|
||||
# Trainer controller 확인 (nodegroup=nd 노드에 배치되어야 함)
|
||||
kubectl get pods -n kubeflow-trainer -o wide
|
||||
|
||||
# 기대 출력:
|
||||
# kubeflow-trainer-controller-manager-xxxxx 1/1 Running
|
||||
# jobset-controller-manager-xxxxx 1/1 Running
|
||||
|
||||
# CRD 확인
|
||||
kubectl get crd | grep trainer
|
||||
|
|
@ -167,10 +181,15 @@ kubectl delete namespace kubeflow-trainer
|
|||
|
||||
## Task 4: Volcano ↔ Kubeflow Trainer 연동 설정
|
||||
|
||||
Volcano 스케줄러를 Kubeflow TrainJob과 연동하여 gang scheduling, queue 기반 리소스 관리를 활성화합니다.
|
||||
Volcano 스케줄러를 Kubeflow TrainJob과 연동하여 gang scheduling, queue 기반 리소스 관리, topology-aware scheduling을 활성화합니다.
|
||||
|
||||
> Reference: https://www.kubeflow.org/docs/components/trainer/gang-scheduling/volcano/
|
||||
|
||||
### 4.1 Training Queue 생성
|
||||
|
||||
Queue는 논리적인 리소스 풀입니다. 이 Queue에 속한 모든 TrainJob이 합산해서 사용할 수 있는 리소스 상한을 정합니다.
|
||||
`capability`는 실제 클러스터 GPU/CPU/Memory 용량에 맞게 조정해야 합니다.
|
||||
|
||||
```bash
|
||||
kubectl apply -f - <<EOF
|
||||
apiVersion: scheduling.volcano.sh/v1beta1
|
||||
|
|
@ -181,6 +200,7 @@ spec:
|
|||
weight: 1
|
||||
reclaimable: true
|
||||
capability:
|
||||
# TODO: 실제 클러스터 용량에 맞게 조정
|
||||
cpu: "100"
|
||||
memory: "512Gi"
|
||||
nvidia.com/gpu: "16"
|
||||
|
|
@ -192,23 +212,10 @@ Queue 상태 확인:
|
|||
kubectl get queue training-queue -o yaml
|
||||
```
|
||||
|
||||
### 4.2 PriorityClass 생성
|
||||
### 4.2 Volcano 연동 ClusterTrainingRuntime 생성
|
||||
|
||||
```bash
|
||||
kubectl apply -f - <<EOF
|
||||
apiVersion: scheduling.k8s.io/v1
|
||||
kind: PriorityClass
|
||||
metadata:
|
||||
name: training-priority
|
||||
value: 100
|
||||
globalDefault: false
|
||||
description: "Priority class for distributed training workloads"
|
||||
EOF
|
||||
```
|
||||
|
||||
### 4.3 Volcano 연동 ClusterTrainingRuntime 생성
|
||||
|
||||
Volcano 스케줄러를 사용하는 커스텀 런타임을 생성합니다.
|
||||
`podGroupPolicy.volcano`를 사용하면 Volcano가 자동으로 PodGroup을 생성하고 gang scheduling을 적용합니다.
|
||||
별도로 `schedulerName`이나 PodGroup 리소스를 수동 생성할 필요가 없습니다.
|
||||
|
||||
```bash
|
||||
kubectl apply -f - <<EOF
|
||||
|
|
@ -223,18 +230,24 @@ spec:
|
|||
torch:
|
||||
numProcPerNode: 1
|
||||
numNodes: 1
|
||||
# Volcano gang scheduling 활성화 - PodGroup 자동 생성
|
||||
podGroupPolicy:
|
||||
volcano:
|
||||
networkTopology:
|
||||
mode: hard
|
||||
highestTierAllowed: 1
|
||||
template:
|
||||
metadata:
|
||||
annotations:
|
||||
# Queue 지정 (runtime level - 이 runtime을 사용하는 모든 TrainJob에 적용)
|
||||
scheduling.volcano.sh/queue-name: training-queue
|
||||
spec:
|
||||
replicatedJobs:
|
||||
- name: node
|
||||
template:
|
||||
spec:
|
||||
template:
|
||||
metadata:
|
||||
annotations:
|
||||
scheduling.volcano.sh/queue-name: training-queue
|
||||
spec:
|
||||
schedulerName: volcano
|
||||
containers:
|
||||
- name: node
|
||||
image: ghcr.io/kubeflow/trainer/torch-runtime:latest
|
||||
|
|
@ -251,7 +264,7 @@ EOF
|
|||
kubectl apply -f configs/volcano-trainjob-integration.yaml
|
||||
```
|
||||
|
||||
### 4.4 연동 테스트
|
||||
### 4.3 연동 테스트
|
||||
|
||||
Volcano 스케줄러를 사용하는 TrainJob 제출:
|
||||
|
||||
|
|
@ -277,13 +290,20 @@ spec:
|
|||
EOF
|
||||
```
|
||||
|
||||
### 4.5 연동 확인
|
||||
TrainJob level에서 Queue를 변경하고 싶으면 `spec.annotations`를 사용:
|
||||
```yaml
|
||||
spec:
|
||||
annotations:
|
||||
scheduling.volcano.sh/queue-name: "other-queue"
|
||||
```
|
||||
|
||||
### 4.4 연동 확인
|
||||
|
||||
```bash
|
||||
# TrainJob 상태 확인
|
||||
kubectl get trainjob test-volcano-integration
|
||||
|
||||
# PodGroup 자동 생성 확인 (Volcano가 관리)
|
||||
# PodGroup 자동 생성 확인 (podGroupPolicy에 의해 자동 생성됨)
|
||||
kubectl get podgroup
|
||||
|
||||
# Pod 스케줄러 확인 (schedulerName이 volcano인지)
|
||||
|
|
@ -296,15 +316,32 @@ kubectl get queue training-queue
|
|||
|
||||
---
|
||||
|
||||
## 컴포넌트 배치 요약
|
||||
|
||||
모든 컨트롤 플레인 컴포넌트는 `nodegroup: nd` 노드에 배치됩니다. GPU 노드에는 학습 Pod만 배치됩니다.
|
||||
|
||||
| 컴포넌트 | 네임스페이스 | 배치 노드 | GPU 필요 |
|
||||
|----------|-------------|-----------|----------|
|
||||
| Volcano admission | volcano-system | nodegroup: nd | X |
|
||||
| Volcano controller | volcano-system | nodegroup: nd | X |
|
||||
| Volcano scheduler | volcano-system | nodegroup: nd | X |
|
||||
| Trainer controller | kubeflow-trainer | nodegroup: nd | X |
|
||||
| JobSet controller | kubeflow-trainer | nodegroup: nd | X |
|
||||
| TrainJob 학습 Pod | default (사용자 지정) | GPU 노드 | O |
|
||||
|
||||
---
|
||||
|
||||
## 검증 체크리스트
|
||||
|
||||
- [ ] Volcano Pod 3개 Running (admission, controller, scheduler)
|
||||
- [ ] Volcano Pod 3개 Running (`nodegroup=nd` 노드에 배치 확인)
|
||||
- [ ] Volcano CRD 생성됨 (jobs, podgroups, queues 등)
|
||||
- [ ] Kubeflow Trainer controller Running
|
||||
- [ ] Kubeflow Trainer controller Running (`nodegroup=nd` 노드에 배치 확인)
|
||||
- [ ] JobSet controller Running (`nodegroup=nd` 노드에 배치 확인)
|
||||
- [ ] Kubeflow Trainer CRD 생성됨 (trainjobs, trainingruntimes 등)
|
||||
- [ ] ClusterTrainingRuntime 목록 확인 (deepspeed-distributed, torch-distributed 등)
|
||||
- [ ] Training Queue 생성됨
|
||||
- [ ] 테스트 TrainJob이 Volcano 스케줄러로 스케줄링됨
|
||||
- [ ] 테스트 TrainJob 제출 시 PodGroup 자동 생성 확인
|
||||
- [ ] 테스트 TrainJob Pod가 Volcano 스케줄러로 스케줄링됨
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -350,13 +387,14 @@ kubectl apply -f manifests/kubeflow-trainer/runtimes/runtimes.yaml
|
|||
|
||||
### 연동 관련
|
||||
|
||||
**TrainJob Pod가 default-scheduler로 스케줄링됨**
|
||||
- `schedulerName: volcano` 설정이 ClusterTrainingRuntime의 pod spec에 있는지 확인
|
||||
- TrainJob이 올바른 runtimeRef를 참조하는지 확인
|
||||
|
||||
**PodGroup이 자동 생성되지 않음**
|
||||
- Volcano controller 로그 확인
|
||||
- Pod에 `scheduling.volcano.sh/queue-name` annotation이 있는지 확인
|
||||
- ClusterTrainingRuntime에 `podGroupPolicy.volcano: {}` 가 설정되어 있는지 확인
|
||||
- TrainJob이 올바른 runtimeRef(`torch-distributed-volcano`)를 참조하는지 확인
|
||||
- Trainer controller 로그 확인
|
||||
|
||||
**TrainJob Pod가 default-scheduler로 스케줄링됨**
|
||||
- `podGroupPolicy.volcano`가 runtime에 설정되어 있는지 확인
|
||||
- Volcano가 정상 동작 중인지 확인: `kubectl get pods -n volcano-system`
|
||||
|
||||
### 로그 수집
|
||||
|
||||
|
|
|
|||
|
|
@ -1,8 +1,9 @@
|
|||
# Volcano <-> Kubeflow Trainer Integration Configuration Sample
|
||||
# This file contains examples for integrating Volcano scheduler with Kubeflow TrainJob.
|
||||
# Reference: https://www.kubeflow.org/docs/components/trainer/gang-scheduling/volcano/
|
||||
|
||||
---
|
||||
# 1. Volcano Queue for training workloads
|
||||
# Queue는 리소스 할당 단위. capability는 클러스터 실제 용량에 맞게 조정 필요.
|
||||
apiVersion: scheduling.volcano.sh/v1beta1
|
||||
kind: Queue
|
||||
metadata:
|
||||
|
|
@ -11,14 +12,55 @@ spec:
|
|||
weight: 1
|
||||
reclaimable: true
|
||||
capability:
|
||||
# Adjust based on your cluster capacity
|
||||
# TODO: Adjust based on your cluster capacity
|
||||
cpu: "100"
|
||||
memory: "512Gi"
|
||||
nvidia.com/gpu: "16"
|
||||
|
||||
---
|
||||
# 2. Example TrainJob with Volcano PodGroup scheduling
|
||||
# TrainJob that uses Volcano as the scheduler via podGroupPolicy
|
||||
# 3. ClusterTrainingRuntime with Volcano gang scheduling + topology-aware scheduling
|
||||
# podGroupPolicy.volcano를 사용하면 PodGroup이 자동 생성됨 (수동 생성 불필요)
|
||||
apiVersion: trainer.kubeflow.org/v1alpha1
|
||||
kind: ClusterTrainingRuntime
|
||||
metadata:
|
||||
name: torch-distributed-volcano
|
||||
labels:
|
||||
trainer.kubeflow.org/framework: torch
|
||||
spec:
|
||||
mlPolicy:
|
||||
torch:
|
||||
numProcPerNode: 1
|
||||
numNodes: 1
|
||||
# Volcano gang scheduling 활성화 - PodGroup 자동 생성
|
||||
podGroupPolicy:
|
||||
volcano:
|
||||
networkTopology:
|
||||
mode: hard
|
||||
highestTierAllowed: 1
|
||||
template:
|
||||
metadata:
|
||||
annotations:
|
||||
# Queue 지정 (runtime level)
|
||||
scheduling.volcano.sh/queue-name: training-queue
|
||||
spec:
|
||||
replicatedJobs:
|
||||
- name: node
|
||||
template:
|
||||
spec:
|
||||
template:
|
||||
spec:
|
||||
containers:
|
||||
- name: node
|
||||
image: ghcr.io/kubeflow/trainer/torch-runtime:latest
|
||||
resources:
|
||||
requests:
|
||||
nvidia.com/gpu: "1"
|
||||
limits:
|
||||
nvidia.com/gpu: "1"
|
||||
|
||||
---
|
||||
# 4. Example TrainJob using Volcano-enabled runtime
|
||||
# podGroupPolicy는 runtime에서 상속되므로 TrainJob에서는 별도 설정 불필요
|
||||
apiVersion: trainer.kubeflow.org/v1alpha1
|
||||
kind: TrainJob
|
||||
metadata:
|
||||
|
|
@ -26,8 +68,9 @@ metadata:
|
|||
namespace: default
|
||||
spec:
|
||||
runtimeRef:
|
||||
name: torch-distributed
|
||||
name: torch-distributed-volcano
|
||||
trainer:
|
||||
# TODO: Replace with your actual training image
|
||||
image: docker.io/your-org/your-training-image:latest
|
||||
numNodes: 2
|
||||
numProcPerNode: "auto"
|
||||
|
|
@ -42,66 +85,24 @@ spec:
|
|||
memory: "64Gi"
|
||||
|
||||
---
|
||||
# 3. Volcano PodGroup for gang scheduling (auto-created by integration)
|
||||
# This is a reference example - Volcano controller auto-creates PodGroups
|
||||
# when scheduler annotation is set.
|
||||
apiVersion: scheduling.volcano.sh/v1beta1
|
||||
kind: PodGroup
|
||||
# 5. Example TrainJob with queue override at TrainJob level
|
||||
# runtime 기본 Queue 대신 다른 Queue를 사용하고 싶을 때
|
||||
apiVersion: trainer.kubeflow.org/v1alpha1
|
||||
kind: TrainJob
|
||||
metadata:
|
||||
name: example-distributed-training
|
||||
name: example-high-priority-training
|
||||
namespace: default
|
||||
spec:
|
||||
# MinMember ensures all pods are scheduled together (gang scheduling)
|
||||
minMember: 2
|
||||
queue: training-queue
|
||||
priorityClassName: training-priority
|
||||
minResources:
|
||||
cpu: "32"
|
||||
memory: "128Gi"
|
||||
nvidia.com/gpu: "8"
|
||||
|
||||
---
|
||||
# 4. PriorityClass for training workloads
|
||||
apiVersion: scheduling.k8s.io/v1
|
||||
kind: PriorityClass
|
||||
metadata:
|
||||
name: training-priority
|
||||
value: 100
|
||||
globalDefault: false
|
||||
description: "Priority class for distributed training workloads"
|
||||
|
||||
---
|
||||
# 5. ClusterTrainingRuntime with Volcano scheduler annotation
|
||||
# Use this runtime to automatically schedule TrainJobs with Volcano
|
||||
apiVersion: trainer.kubeflow.org/v1alpha1
|
||||
kind: ClusterTrainingRuntime
|
||||
metadata:
|
||||
name: torch-distributed-volcano
|
||||
labels:
|
||||
trainer.kubeflow.org/framework: torch
|
||||
spec:
|
||||
mlPolicy:
|
||||
torch:
|
||||
numProcPerNode: 1
|
||||
numNodes: 1
|
||||
template:
|
||||
spec:
|
||||
replicatedJobs:
|
||||
- name: node
|
||||
template:
|
||||
spec:
|
||||
template:
|
||||
metadata:
|
||||
annotations:
|
||||
# Use Volcano as the scheduler
|
||||
scheduling.volcano.sh/queue-name: training-queue
|
||||
spec:
|
||||
schedulerName: volcano
|
||||
containers:
|
||||
- name: node
|
||||
image: ghcr.io/kubeflow/trainer/torch-runtime:latest
|
||||
resources:
|
||||
requests:
|
||||
nvidia.com/gpu: "1"
|
||||
limits:
|
||||
nvidia.com/gpu: "1"
|
||||
runtimeRef:
|
||||
name: torch-distributed-volcano
|
||||
annotations:
|
||||
scheduling.volcano.sh/queue-name: "high-priority-queue"
|
||||
trainer:
|
||||
image: docker.io/your-org/your-training-image:latest
|
||||
numNodes: 4
|
||||
numProcPerNode: "auto"
|
||||
resourcesPerNode:
|
||||
requests:
|
||||
nvidia.com/gpu: "8"
|
||||
limits:
|
||||
nvidia.com/gpu: "8"
|
||||
|
|
|
|||
Loading…
Reference in New Issue