Delete k8s_aws_cn.md

3fcf0b04 · Shan Yi · GitHub · d5123897 · d5123897
显示空白变更内容
内联并排

Showing with 0 addition and 672 deletion

doc/v2/howto/cluster/multi_cluster/k8s_aws_cn.md doc/v2/howto/cluster/multi_cluster/k8s_aws_cn.md +0 -672

未找到文件。
--- a/doc/v2/howto/cluster/multi_cluster/k8s_aws_cn.md
+++ b/doc/v2/howto/cluster/multi_cluster/k8s_aws_cn.md
-# Kubernetes on AWS
-我们将向你展示怎么样在AWS的kubernetes集群上运行分布式paddlepaddle训练，让我们从核心概念开始
-## 分布式paddlepaddle训练的核心概念
-### 分布式训练任务
-一个分布式训练任务可以看做是一个kubernetes任务
-每一个kubernetes任务都有相应的配置文件，此配置文件指定了像任务的pods和环境变量信息
-在分布式训练任务中，我们可以如下操作：
-1. 在分布式文件系统中，准备分区数据和配置文件（在此次教学中，我们会用到亚马逊分布式存储服务（EFS））
-2. 创建和提交一个kubernetes任务配置到集群中开始训练
-### 参数服务和训练
-在paddlepaddle集群中有两个角色：参数服务（pserver）者和训练者， 每一个参数服务过程都会以一个全局模型碎片存在。每一个训练者都可以进行本地模型拷贝，并可以利用本地数据更新模型。在这个训练过程中，训练者发送模型更新到参数服务中，参数服务职责就是聚合这些更新，以便于训练者可以把全局模型同步到本地。
-为了能够和pserver联通，训练者需要每一个pserver的IP地址。在kubernetes中利用服务发现机制（比如：DNS、hostname）要比静态的IP地址要好一些，因为任何一个pod都会被杀掉然后新的pod被重启到另一个不同IP地址的node上。现在我们可以先用静态的IP地址方式，这种方式是可以更改的。
-参数服务者和训练者一块被打包成一个docker镜像，这个镜像会运行在被kebernetes集群调度的pod中。
-### 训练者ID
-每一个训练过程都需要一个训练ID，以0作为基础值，作为命令行参数传递。训练过程因此用这个ID去读取数据分区。
-### 训练
-利用shell脚本进入容器，可以看到许多kubernetes预先定义好的环境变量。这里可以定义任务identity，在任务中identity可以用来远程访问包含所有pod的kubernetes apiserver服务。
-每一个pod通过ip来排序。每一个pod的序列作为“pod id”。因为我们会在每一个pod中运行训练和参数服务，可以用“pod id”作为训练ID。入口脚本详细工作流程如下：
-1. 查找apiserver得到pod信息，通过ip排序来分配一个trainer_id。
-2. 从EFS持久化卷中复制训练数据到容器中。
-3. 从环境变量中解析paddle pserver和 paddle trainer的启动参数，然后开始启动流程。
-4. 以trainer_id来训练将自动把结果写入到EFS卷中。
-## AWS的kubernetes中的paddlepaddle
-### 选择AWS服务区域
-这个教程需要多个AWS服务工作在一个区域中。在AWS创建任何东西之前，请检查链接https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/ 选择一个可以提供如下服务的区域：EC2, EFS, VPS, CloudFormation, KMS, VPC, S3。在教程中我们使用“Oregon(us-west-2)”作为例子。
-### 创建aws账户和IAM账户
-在每一个aws账户下可以创建多个IAM用户。允许为每一个IAM用户赋予权限，作为IAM用户可以创建/操作aws集群
-注册aws账户，请遵循用户指南。在AWS账户下创建IAM用户和用户组，请遵循用户指南
-请注意此教程需要如下的IAM用户权限：
- AmazonEC2FullAccess
- AmazonS3FullAccess
- AmazonRoute53FullAccess
- AmazonRoute53DomainsFullAccess
- AmazonElasticFileSystemFullAccess
- AmazonVPCFullAccess
- IAMUserSSHKeys
- IAMFullAccess
- NetworkAdministrator
- AWSKeyManagementServicePowerUser
-### 下载kube-aws and kubectl
-#### kube-aws
-在AWS中[kube-aws](https://github.com/coreos/kube-aws)是一个自动部署集群的CLI工具
-##### kube-aws完整性验证
-提示：如果你用的是非官方版本（e.g RC release）的kube-aws，可以跳过这一步骤。引入	coreos的应用程序签名公钥:
-```
-gpg2 --keyserver pgp.mit.edu --recv-key FC8A365E
-```
-指纹验证：
-```
-gpg2 --fingerprint FC8A365E
-```
-正确的指纹是： `18AD 5014 C99E F7E3 BA5F 6CE9 50BD D3E0 FC8A 365E`
-我们可以从发布页面中下载kube-aws，教程使用0.9.1版本 [release page](https://github.com/coreos/kube-aws/releases).
-验证tar包的GPG签名：
-```
-PLATFORM=linux-amd64
- # Or
-PLATFORM=darwin-amd64
-gpg2 --verify kube-aws-${PLATFORM}.tar.gz.sig kube-aws-${PLATFORM}.tar.gz
-```
-##### 安装kube-aws
-解压:
-```
-tar zxvf kube-aws-${PLATFORM}.tar.gz
-```
-添加到环境变量:
-```
-mv ${PLATFORM}/kube-aws /usr/local/bin
-```
-#### kubectl
-[kubectl](https://kubernetes.io/docs/user-guide/kubectl-overview/) 是一个操作kubernetes集群的命令行接口
-利用`curl`工具从kubernetes发布页面中下载`kubectl`
-```
-# OS X
-curl -O https://storage.googleapis.com/kubernetes-release/release/"$(curl -s https://storage.googleapis.com/kubernetes-release/release/stable.txt)"/bin/darwin/amd64/kubectl
-# Linux
-curl -O https://storage.googleapis.com/kubernetes-release/release/"$(curl -s https://storage.googleapis.com/kubernetes-release/release/stable.txt)"/bin/linux/amd64/kubectl
-```
-为了能是kubectl运行必须将之添加到环境变量中 (e.g. `/usr/local/bin`):
-```
-chmod +x ./kubectl
-sudo mv ./kubectl /usr/local/bin/kubectl
-```
-### 配置AWS证书
-首先检查这里 [this](http://docs.aws.amazon.com/cli/latest/userguide/installing.html) 安装AWS命令行工具
-然后配置aws账户信息:
-```
-aws configure
-```
-添加如下信息:
-```
-AWS Access Key ID: YOUR_ACCESS_KEY_ID
-AWS Secrete Access Key: YOUR_SECRETE_ACCESS_KEY
-Default region name: us-west-2
-Default output format: json
-```
-`YOUR_ACCESS_KEY_ID`, and `YOUR_SECRETE_ACCESS_KEY` 是创建aws账户和IAM账户的IAM的key和密码 [Create AWS Account and IAM Account](#create-aws-account-and-iam-account)
-描述任何运行在你账户中的实例来验证凭据是否工作:
-```
-aws ec2 describe-instances
-```
-### 定义集群参数
-#### EC2秘钥对
-秘钥对将认证ssh访问你的EC2实例。秘钥对的公钥部分将配置到每一个COREOS节点中。
-遵循 [EC2 Keypair User Guide](http://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-key-pairs.html) Keypair用户指南来创建EC2秘钥对
-你可以使用创建好的秘钥对名称来配置集群.
-在同一工作区中秘钥对为EC2实例唯一码。在教程中使用 us-west-2 ，所以请确认在这个区域（Oregon）中创建秘钥对。
-在浏览器中下载一个`key-name.pem`文件用来访问EC2实例，我们待会会用到.
-#### KMS秘钥
-亚马逊的KMS秘钥在TLS秘钥管理服务中用来加密和解密集群。如果你已经有可用的KMS秘钥，你可以跳过创建新秘钥这一步，提供现存秘钥的ARN字符串。
-利用aws命令行创建kms秘钥:
-```
-aws kms --region=us-west-2 create-key --description="kube-aws assets"
-{
-    "KeyMetadata": {
-        "CreationDate": 1458235139.724,
-        "KeyState": "Enabled",
-        "Arn": "arn:aws:kms:us-west-2:aaaaaaaaaaaaa:key/xxxxxxxxxxxxxxxxxxx",
-        "AWSAccountId": "xxxxxxxxxxxxx",
-        "Enabled": true,
-        "KeyUsage": "ENCRYPT_DECRYPT",
-        "KeyId": "xxxxxxxxx",
-        "Description": "kube-aws assets"
-    }
-}
-```
-我们稍后用到`Arn` 的值.
-在IAM用户许可中添加多个内联策略.
-进入[IAM Console](https://console.aws.amazon.com/iam/home?region=us-west-2#/home)。点击`Users`按钮，点击刚才创建的用户，然后点击`Add inline policy`按钮，选择`Custom Policy`
-粘贴内联策略:
-```
- (Caution: node_0, node_1, node_2 directories represents PaddlePaddle node and train_id, not the Kubernetes node){
-    "Version": "2012-10-17",
-    "Statement": [
-        {
-            "Sid": "Stmt1482205552000",
-            "Effect": "Allow",
-            "Action": [
-                "kms:Decrypt",
-                "kms:Encrypt"
-            ],
-            "Resource": [
-                "arn:aws:kms:*:AWS_ACCOUNT_ID:key/*"
-            ]
-        },
-		{
-            "Sid": "Stmt1482205746000",
-            "Effect": "Allow",
-            "Action": [
-                "cloudformation:CreateStack",
-                "cloudformation:UpdateStack",
-                "cloudformation:DeleteStack",
-                "cloudformation:DescribeStacks",
-                "cloudformation:DescribeStackResource",
-                "cloudformation:GetTemplate",
-                "cloudformation:DescribeStackEvents"
-            ],
-            "Resource": [
-                "arn:aws:cloudformation:us-west-2:AWS_ACCOUNT_ID:stack/MY_CLUSTER_NAME/*"
-            ]
-        }
-    ]
-}
-```
-`Version` : 值必须是"2012-10-17".
-`AWS_ACCOUNT_ID`: 你可以从命令行中获取:
-```
-aws sts get-caller-identity --output text --query Account
-```
-`MY_CLUSTER_NAME`: 选择一个你喜欢的MY_CLUSTER_NAME，稍后会用到。
-请注意，堆栈名称必须是正则表达式：[a-zA-Z][-a-zA-Z0-9*]*， 在名称中不能有"_"或者"-"，否则kube-aws在下面步骤中会抛出异常
-#### 外部DNS名称
-当集群被创建后，基于DNS名称控制器将会暴露安全的TLS API.
-DNS名称含有CNAME指向到集群DNS名称或者记录指向集群的IP地址。
-我们稍后会用到DNS名称，如果没有DNS名称的话，你可以选择一个（比如：`paddle`）还可以修改`/etc/hosts`用本机的DNS名称和集群IP关联。还可以在AWS上增加一个名称服务来关联paddle集群IP，稍后步骤中会查找集群IP.
-#### S3 bucket
-在启动kubernetes集群前需要创建一个S3 bucket
-在AWS上创建s3 bucket会有许多的bugs，所以使用[s3 console](https://console.aws.amazon.com/s3/home?region=us-west-2)。
-链接到 `Create Bucket`，确保在us-west-2 (Oregon)上创建一个唯一的BUCKET_NAME。
-#### 初始化assets
-在本机创建一个目录用来存放产生的assets:
-```
-$ mkdir my-cluster
-$ cd my-cluster
-```
-利用KMS Arn、秘钥对名称和前一步产生的DNS名称来初始化集群的CloudFormation栈:
-```
-kube-aws init \
--cluster-name=MY_CLUSTER_NAME \
--external-dns-name=MY_EXTERNAL_DNS_NAME \
--region=us-west-2 \
--availability-zone=us-west-2a \
--key-name=KEY_PAIR_NAME \
--kms-key-arn="arn:aws:kms:us-west-2:xxxxxxxxxx:key/xxxxxxxxxxxxxxxxxxx"
-```
-`MY_CLUSTER_NAME`: the one you picked in [KMS key](#kms-key)
-`MY_EXTERNAL_DNS_NAME`: see [External DNS name](#external-dns-name)
-`KEY_PAIR_NAME`: see [EC2 key pair](#ec2-key-pair)
-`--kms-key-arn`: the "Arn" in [KMS key](#kms-key)
-这里的`us-west-2a`用于参数`--availability-zone`，但必须在AWS账户的有效可用区中
-如果不能切换到其他的有效可用区（e.g., `us-west-2a`, or `us-west-2b`），请检查`us-west-2a`是支持`aws ec2 --region us-west-2 describe-availability-zones`。
-现在在asset目录中就有了集群的主配置文件cluster.yaml。
-默认情况下kube-aws会创建一个工作节点，修改`cluster.yaml`让`workerCount`从1个节点变成3个节点.
-#### 呈现asset目录内容
-在这个简单的例子中，你可以使用kuber-aws生成TLS身份和证书
-```
-kube-aws render credentials --generate-ca
-```
-下一步在asset目录中生成一组集群assets.
-```
-kube-aws render stack
-```
-asserts(模板和凭证)用于创建、更新和当前目录被创建的kubernetes集群相关联
-### 启动kubernetes集群
-#### 创建一个在CloudFormation模板上定义好的实例
-现在让我们创建集群（在命令行中选择任意的 `PREFIX`）
-```
-kube-aws up --s3-uri s3://BUCKET_NAME/PREFIX
-```
-`BUCKET_NAME`: t在[S3 bucket](#s3-bucket)上使用的bucket名称
-#### 配置DNS
-你可以执行命令 `kube-aws status`来查看创建后集群的API.
-```
-$ kube-aws status
-Cluster Name:		paddle-cluster
-Controller DNS Name:	paddle-cl-ElbAPISe-EEOI3EZPR86C-531251350.us-west-2.elb.amazonaws.com
-```
-如果你用DNS名称，在ip上设置任何记录或是安装CNAME点到`Controller DNS Name` (`paddle-cl-ElbAPISe-EEOI3EZPR86C-531251350.us-west-2.elb.amazonaws.com`)
-##### 查询IP地址
-用命令`dig`去检查负载均衡器的域名来获取ip地址.
-```
-$ dig paddle-cl-ElbAPISe-EEOI3EZPR86C-531251350.us-west-2.elb.amazonaws.com
-;; QUESTION SECTION:
-;paddle-cl-ElbAPISe-EEOI3EZPR86C-531251350.us-west-2.elb.amazonaws.com. IN A
-;; ANSWER SECTION:
-paddle-cl-ElbAPISe-EEOI3EZPR86C-531251350.us-west-2.elb.amazonaws.com. 59 IN A 54.241.164.52
-paddle-cl-ElbAPISe-EEOI3EZPR86C-531251350.us-west-2.elb.amazonaws.com. 59 IN A 54.67.102.112
-```
-在上面的例子中，`54.241.164.52`, `54.67.102.112`这两个ip都将是工作状态
-*如果你有DNS名称*，设置记录到ip上，然后你可以跳过“Access the cluster”这一步
-*如果没有自己的DNS名称*
-编辑/etc/hosts文件用DNS关联IP
-##### 更新本地的DNS关联
-编辑`/etc/hosts`文件用DNS关联IP
-##### 在VPC上添加route53私有名称服务
- - 打开[Route53 Console](https://console.aws.amazon.com/route53/home)
- - 根据配置创建域名zone
-   - domain名称为: "paddle"
-   - Type: "Private hosted zone for amazon VPC"
-   - VPC ID: `<Your VPC ID>`
-   ![route53 zone setting](src/route53_create_zone.png)
- - 添加记录
-    - 点击zone中刚创建的“paddle”
-    - 点击按钮“Create record set”
-        - Name : leave blank
-        - type: "A"
-        - Value: `<kube-controller ec2 private ip>`
-        ![route53 create recordset](src/route53_create_recordset.png)
- - 检查名称服务
-    - 连接通过kube-aws via ssh创建的任何实例
-    - 运行命令"host paddle"，看看是否ip为返回的kube-controller的私有IP
-#### 进入集群
-集群运行后如下命令会看到:
-```
-$ kubectl --kubeconfig=kubeconfig get nodes
-NAME                                       STATUS    AGE
-ip-10-0-0-134.us-west-2.compute.internal   Ready     6m
-ip-10-0-0-238.us-west-2.compute.internal   Ready     6m
-ip-10-0-0-50.us-west-2.compute.internal    Ready     6m
-ip-10-0-0-55.us-west-2.compute.internal    Ready     6m
-```
-### 集群安装弹性文件系统
-训练数据存放在AWS上的EFS分布式文件系统中.
-1. 在[security group console](https://us-west-2.console.aws.amazon.com/ec2/v2/home?region=us-west-2#SecurityGroups:sort=groupId)为EFS创建一个安全组
-  1. 可以看到`paddle-cluster-sg-worker` (在sg-055ee37d镜像中)安全组id
-  <center>![](src/worker_security_group.png)</center>
-  2. 增加安全组`paddle-efs` ，以`paddle-cluster-sg-worker`的group id作为用户源和`ALL TCP`入栈规则。增加vpc `paddle-cluster-vpc`, 确保可用区是在[Initialize Assets](#initialize-assets)的时候用到的那一个.
-  <center>![](src/add_security_group.png)</center>
-2. 利用`paddle-cluster-vpc`私有网络在[EFS console](https://us-west-2.console.aws.amazon.com/efs/home?region=us-west-2#/wizard/1) 中创建弹性文件系统, 确定子网为`paddle-cluster-Subnet0`和安全区为`paddle-efs`.
-<center>![](src/create_efs.png)</center>
-### 开始在AWS上进行paddlepaddle的训练
-#### 配置kubernetes卷指向EFS
-首先需要创建一个持久卷[PersistentVolume](https://kubernetes.io/docs/user-guide/persistent-volumes/) 到EFS上
-用 `pv.yaml`形式来保存
-```
-apiVersion: v1
-kind: PersistentVolume
-metadata:
-  name: efsvol
-spec:
-  capacity:
-    storage: 100Gi
-  accessModes:
-    - ReadWriteMany
-  nfs:
-    server: EFS_DNS_NAME
-    path: "/"
-```
-`EFS_DNS_NAME`: DNS名称最好能描述我们创建的`paddle-efs`，看起来像`fs-2cbf7385.efs.us-west-2.amazonaws.com`
-运行下面的命令来创建持久卷:
-```
-kubectl --kubeconfig=kubeconfig create -f pv.yaml
-```
-下一步创建 [PersistentVolumeClaim](https://kubernetes.io/docs/user-guide/persistent-volumes/)来声明持久卷
-用`pvc.yaml`来保存.
-```
-kind: PersistentVolumeClaim
-apiVersion: v1
-metadata:
-  name: efsvol
-spec:
-  accessModes:
-    - ReadWriteMany
-  resources:
-    requests:
-      storage: 50Gi
-```
-行下面命令来创建持久卷声明:
-```
-kubectl --kubeconfig=kubeconfig create -f pvc.yaml
-```
-#### 准备训练数据
-启动kubernetes job在我们创建的持久层上进行下载、保存并均匀拆分训练数据为3份.
-用`paddle-data-job.yaml`保存
-```
-apiVersion: batch/v1
-kind: Job
-metadata:
-  name: paddle-data
-spec:
-  template:
-    metadata:
-      name: pi
-    spec:
-      containers:
-      - name: paddle-data
-        image: paddlepaddle/paddle-tutorial:k8s_data
-        imagePullPolicy: Always
-        volumeMounts:
-        - mountPath: "/efs"
-          name: efs
-        env:
-        - name: OUT_DIR
-          value: /efs/paddle-cluster-job
-        - name: SPLIT_COUNT
-          value: "3"
-      volumes:
-        - name: efs
-          persistentVolumeClaim:
-            claimName: efsvol
-      restartPolicy: Never
-```
-运行下面的命令来启动任务:
-```
-kubectl --kubeconfig=kubeconfig create -f paddle-data-job.yaml
-```
-任务运行大概需要7分钟，可以使用下面命令查看任务状态，直到`paddle-data`任务的`SUCCESSFUL`状态为`1`时成功，这里here有怎样创建镜像的源码
-```
-$ kubectl --kubeconfig=kubeconfig get jobs
-NAME          DESIRED   SUCCESSFUL   AGE
-paddle-data   1         1            6m
-```
-数据准备完成后的结果是以镜像`paddlepaddle/paddle-tutorial:k8s_data`存放，可以点击这里[here](src/k8s_data/README.md)查看如何创建docker镜像源码
-#### 开始训练
-现在可以开始运行paddle的训练任务，用`paddle-cluster-job.yaml`进行保存
-```
-apiVersion: batch/v1
-kind: Job
-metadata:
-  name: paddle-cluster-job
-spec:
-  parallelism: 3
-  completions: 3
-  template:
-    metadata:
-      name: paddle-cluster-job
-    spec:
-      volumes:
-      - name: efs
-        persistentVolumeClaim:
-          claimName: efsvol
-      containers:
-      - name: trainer
-        image: paddlepaddle/paddle-tutorial:k8s_train
-        command: ["bin/bash",  "-c", "/root/start.sh"]
-        env:
-        - name: JOB_NAME
-          value: paddle-cluster-job
-        - name: JOB_PATH
-          value: /home/jobpath
-        - name: JOB_NAMESPACE
-          value: default
-        - name: TRAIN_CONFIG_DIR
-          value: quick_start
-        - name: CONF_PADDLE_NIC
-          value: eth0
-        - name: CONF_PADDLE_PORT
-          value: "7164"
-        - name: CONF_PADDLE_PORTS_NUM
-          value: "2"
-        - name: CONF_PADDLE_PORTS_NUM_SPARSE
-          value: "2"
-        - name: CONF_PADDLE_GRADIENT_NUM
-          value: "3"
-        - name: TRAINER_COUNT
-          value: "3"
-        volumeMounts:
-        - mountPath: "/home/jobpath"
-          name: efs
-        ports:
-        - name: jobport0
-          hostPort: 7164
-          containerPort: 7164
-        - name: jobport1
-          hostPort: 7165
-          containerPort: 7165
-        - name: jobport2
-          hostPort: 7166
-          containerPort: 7166
-        - name: jobport3
-          hostPort: 7167
-          containerPort: 7167
-      restartPolicy: Never
-```
-`parallelism: 3, completions: 3` 意思是这个任务会同时开启3个paddlepaddle的pod，当pod启动后3个任务将被完成。
-`env` 参数代表容器的环境变量，在这里指定paddlepaddle的参数.
-`ports` 指定TCP端口7164 - 7167和`pserver`进行连接，port从`CONF_PADDLE_PORT`(7164)到`CONF_PADDLE_PORT + CONF_PADDLE_PORTS_NUM + CONF_PADDLE_PORTS_NUM_SPARSE - 1`(7167)。我们使用多个端口密集和稀疏参数的更新来提高延迟
-运行下面命令来启动任务.
-```
-kubectl --kubeconfig=kubeconfig create -f paddle-claster-job.yaml
-```
-检查pods信息
-```
-$ kubectl --kubeconfig=kubeconfig get pods
-NAME                       READY     STATUS    RESTARTS   AGE
-paddle-cluster-job-cm469   1/1       Running   0          9m
-paddle-cluster-job-fnt03   1/1       Running   0          9m
-paddle-cluster-job-jx4xr   1/1       Running   0          9m
-```
-检查指定pod的控制台输出
-```
-kubectl --kubeconfig=kubeconfig log -f POD_NAME
-```
-`POD_NAME`: 任何一个pod的名称 (e.g., `paddle-cluster-job-cm469`).
-运行`kubectl --kubeconfig=kubeconfig describe job paddle-cluster-job`来检查训练任务的状态，将会在大约20分钟完成
-`pserver`和`trainer`的细节都隐藏在docker镜像`paddlepaddle/paddle-tutorial:k8s_train`中，这里[here](src/k8s_train/README.md) 有创建docker镜像的源码.
-#### 检查训练输出
-训练输出（模型快照和日志）将被保存在EFS上。我们可以用ssh登录到EC2的工作节点上，查看mount过的EFS和训练输出.
-1. ssh登录EC2工作节点
-```
-chmod 400 key-name.pem
-ssh -i key-name.pem core@INSTANCE_IP
-```
-`INSTANCE_IP`: EC2上kubernetes工作节点的公共IP地址，进入[EC2 console](https://us-west-2.console.aws.amazon.com/ec2/v2/home?region=us-west-2#Instances:sort=instanceId) 中检查任何`paddle-cluster-kube-aws-worker`实例的 `public IP`
-2. 挂载EFS
-```
-mkdir efs
-sudo mount -t nfs4 -o nfsvers=4.1,rsize=1048576,wsize=1048576,hard,timeo=600,retrans=2 EFS_DNS_NAME:/ efs
-```
-`EFS_DNS_NAME`: DNS名称最好能描述我们创建的`paddle-efs`，看起来像`fs-2cbf7385.efs.us-west-2.amazonaws.com`.
-文件夹`efs`上有这结构相似的node信息:
-```
-- paddle-cluster-job
-    |-- ...
-    |-- output
-    |   |-- node_0
-    |   |   |-- server.log
-    |   |   `-- train.log
-    |   |-- node_1
-    |   |   |-- server.log
-    |   |   `-- train.log
-    |   |-- node_2
-    |   |   |-- server.log
-    |   |   `-- train.log
-    |   |-- pass-00000
-    |   |   |-- ___fc_layer_0__.w0
-    |   |   |-- ___fc_layer_0__.wbias
-    |   |   |-- done
-    |   |   |-- path.txt
-    |   |   `-- trainer_config.lr.py
-	|   |-- pass-00001...
-```
-`server.log` 是`pserver`的log日志，`train.log`是`trainer`的log日志，模型快照和描述存放在`pass-0000*`.
-### kubernetes集群卸载或删除
-#### 删除EFS
-到[EFS Console](https://us-west-2.console.aws.amazon.com/efs/home?region=us-west-2) 中删除创建的EFS卷
-#### 删除安全组
-去[Security Group Console](https://us-west-2.console.aws.amazon.com/ec2/v2/home?region=us-west-2#SecurityGroups:sort=groupId) 删除安全组`paddle-efs`.
-#### 删除S3 bucket
-进入 [S3 Console](https://console.aws.amazon.com/s3/home?region=us-west-2#)删除S3 bucket
-#### 销毁集群
-```
-kube-aws destroy
-```
-命令会立刻返回，但需要大约5分钟来销毁集群
-可以进入 [CludFormation Console](https://us-west-2.console.aws.amazon.com/cloudformation/home?region=us-west-2#/stacks?filter=active)检查销毁的过程。