算法部署从docker到K8s

本文最后更新于：2025年1月12日凌晨

最近需要做一次面向公司的算法团队的k8s培训，算法的同事对于docker和gpu的使用还是比较熟悉的，随着大模型的发展，很多训练、测试、数据处理的任务都需要在k8s上进行，所以需要对k8s有一个基本的了解，基于这样的背景，我结合docker的使用，对k8s的一些概念进行了类比，希望能够帮助大家更好的理解k8s。

对于熟悉Docker的用户,在迁移到Kubernetes时,将某些概念进行类比可以帮助加快对Kubernetes的理解。本文将通过一个示例,阐述Docker和Kubernetes在容器编排方面的异同。

docekr_k8s

Docekr

Docker 是一个群众们喜闻乐见的容器技术，在过去10年中，它对传统的软件部署方式进行了革命式的颠覆（ps:截止 2023 年，Docker公司在K8s抛弃了Docekr的同时，对其仅有的护城河 Docker hub采取了一系列的收费政策，标志着昔日的屠龙少年，已经成为了一条暮年的巨龙）。言归正传，我们这里直接用时下热门的text-generation-inference大模型推理容器做个 docker 的例子。

model=tiiuae/falcon-7b-instruct
volume=$PWD/data # share a volume with the Docker container to avoid downloading weights every run

docker run --gpus all --shm-size 1g -p 8080:80 -v $volume:/data ghcr.io/huggingface/text-generation-inference:1.0.1 --model-id $model

大道至简，上面的命令已经完成了一个PPT大模型部署演示最低要求🤣🤣🤣

Docker Compose 编排

当然事情远没有这么简单，一个相对完整的最小化大模型应用，需要包含以下几个部分：

负责对话的web UI界面——HTML+CSS+JS ON NGINX
用户对话的后端服务——FastAPI
模型推理的后端服务——Text Generation Inference
数据库服务——MySQL
Docker Compose允许在一个文件中声明多个服务的容器化部署,使用docker-compose up可以方便地启动这些服务。

version: '3'
services:

  nginx:
    image: nginx:latest
    ports:
      - "80:80"
    depends_on:
      - web  

  web:
    image: python:3.7-alpine
    command: uvicorn main:app --host 0.0.0.0 --port 5000
    ports:
      - "5000:5000"
    depends_on:
      - db
      - tgi
  
  tgi:
    image: ghcr.io/huggingface/text-generation-inference:0.9.4
    ports:
      - "8080:8080"
    command: --model-id meta-llama/Llama-2-70b-hf
    volumes:
      - models_data:/data
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 8
              capabilities: [gpu] // 声明需要使用的GPU数量

  db:
    image: mysql:5.7
    volumes:
      - db_data:/var/lib/mysql
    restart: always
    environment:
      MYSQL_ROOT_PASSWORD: password
      MYSQL_DATABASE: appdb
    ports:
      - "3306:3306"

volumes:
  db_data:
  models_data:

服务启动也很简单：

1	`docker compose up -d # docker-compose up -d for older versions`

这非常适合本地开发和小规模部署。但对于复杂环境,Compose的功能有限。这需要一个更强大的编排平台,比如Kubernetes,来解决一些我们会关注的问题:

gpu资源的分配
推理服务的负载均衡
模型的版本管理
模型弹性伸缩

Kubernetes编排

Kubernetes提供了比Docker Compose更广泛的编排功能。我们可以参考类似的概念,编写Kubernetes配置来部署这个应用:

Pod vs 容器:Pod可以包含一个或多个紧耦合的容器。
Deployment vs Compose:用于部署无状态应用的规范。
Service vs 网络:提供服务发现和负载均衡的抽象。
Volume vs 数据卷:用于存储抽象,可以通过PVC和PV实现。
ConfigMap vs 环境变量:配置应用参数。
HPA类似Docker的自动扩缩容,可以根据指标自动增加或减少Pod数量。
Kubectl类似Docker Compose命令,用于部署和管理Kubernetes应用资源。
Kubernetes也有镜像管理、密钥管理、日志查询等类似Docker的功能。

等等。这些概念对熟悉Docker的用户来说很亲切。组合使用这些资源,我们可以编排这个应用:

deployment.yaml 用用于部署应用:

apiVersion: apps/v1
kind: Deployment
metadata:
  annotations:
    kompose.cmd: kompose convert -f docekr-compose.yml
    kompose.version: 1.30.0 (9d8dcb518)
  creationTimestamp: null
  labels:
    io.kompose.service: tgi
  name: tgi
  namespace: default
spec:
  replicas: 1
  selector:
    matchLabels:
      io.kompose.service: tgi
  strategy:
    type: Recreate
  template:
    metadata:
      annotations:
        kompose.cmd: kompose convert -f docekr-compose.yml
        kompose.version: 1.30.0 (9d8dcb518)
      creationTimestamp: null
      labels:
        io.kompose.network/compose-k8s-default: "true"
        io.kompose.service: tgi
    spec:
      containers:
        - args:
            - --model-id
            - meta-llama/Llama-2-70b-hf
          image: ghcr.io/huggingface/text-generation-inference:0.9.4
          name: tgi
          ports:
            - containerPort: 8080
              hostPort: 8080
              protocol: TCP
          resources: 
            limits:
              nvidia.com/gpu: 1 # requesting 1 GPU
          volumeMounts:
            - mountPath: /data
              name: models-data
      restartPolicy: Always
      volumes:
        - name: models-data
          persistentVolumeClaim:
            claimName: models-data
status: {}

PV和PVC的配置文件，用于存储模型数据:

apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  creationTimestamp: null
  labels:
    io.kompose.service: models-data
  name: models-data
  namespace: default
spec:
  accessModes:
    - ReadWriteOnce
  resources:
    requests:
      storage: 100Mi
status: {}

service.yaml 用于暴露服务:

apiVersion: v1
kind: Service
metadata:
  annotations:
    kompose.cmd: kompose convert -f docekr-compose.yml
    kompose.version: 1.30.0 (9d8dcb518)
  creationTimestamp: null
  labels:
    io.kompose.service: tgi
  name: tgi
  namespace: default
spec:
  ports:
    - name: "8080"
      port: 8080
      targetPort: 8080
  selector:
    io.kompose.service: tgi
status:
  loadBalancer: {}

访问应用

可以通过NodePort或者更推荐的Ingress来访问部署的应用。Ingress提供负载均衡、SSL终止等高级功能。

展望

Docker Compose非常适合本地和小规模容器编排。对于大规模生产,Kubernetes提供了更丰富的功能,类比Docker概念可以帮助理解。组合使用两者可以发挥它们各自的优势。

在后续的实际应用的中我们会采用基于kserve的模型服务框架，基于kserve 对算法服务的抽象封装，算法工程师只需要提供相应的模型文件即可实现算法服务的上线，可以快速的反向运用于数据挖掘和自动化标注等。

kserve

参考

#k8s #llm #tgi

算法部署从docker到K8s

https://yance.wiki/k8s_llm/

作者

Yance Huang

发布于

2023年9月8日

许可协议

聊一聊：Prometheus监控系统下一篇