Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
wmsofts
Paddle
提交
03f52fae
P
Paddle
项目概览
wmsofts
/
Paddle
与 Fork 源项目一致
Fork自
PaddlePaddle / Paddle
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
Paddle
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
未验证
提交
03f52fae
编写于
4月 10, 2018
作者:
S
Shan Yi
提交者:
GitHub
4月 10, 2018
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
fix typo
上级
351f69c7
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
22 addition
and
22 deletion
+22
-22
doc/v2/howto/cluster/multi_cluster/k8s_aws_cn.md
doc/v2/howto/cluster/multi_cluster/k8s_aws_cn.md
+22
-22
未找到文件。
doc/v2/howto/cluster/multi_cluster/k8s_aws_cn.md
浏览文件 @
03f52fae
# 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paddlep
addle训练,让我们从核心概念开始
我们将向你展示怎么样在AWS的
Kubernetes集群上运行分布式PaddleP
addle训练,让我们从核心概念开始
##
分布式paddlepaddle
训练的核心概念
##
PaddlePaddle分布式
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
k
ubernetes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
一个分布式训练任务可以看做是一个
K
ubernetes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pod个数之类的
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))
1.
在分布式文件系统中,准备分
块
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
###
Parameter Server和Trainer
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。
在paddlepaddle集群中有两个角色:参数服务
器(pserver)者和trainer, 每一个参数服务器过程都会保存一部分模型的参数。每一个trainer都保存一份完整的模型参数,并可以利用本地数据更新模型。在这个训练过程中,trainer发送模型更新到参数服务器中,参数服务器职责就是聚合这些更新,以便于trainer
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k
ubernetes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。
为了能够和pserver
通信,trainer需要每一个pserver的IP地址。在K
ubernetes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ke
bernetes集群调度的pod中。
参数服务
器和trainer一块被打包成一个docker镜像,这个镜像会运行在被Ku
bernetes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
。
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
片
。
### 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k
ubernetes apiserver服务。
PaddlePaddle容器的入口是一个shell脚本,这个脚本可以读取Kubernetes内预置的环境变量。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K
ubernetes 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:
...
...
@@ -38,7 +38,7 @@
4.
以trainer_id来训练将自动把结果写入到EFS卷中。
## AWS的
kubernetes中的paddlep
addle
## AWS的
Kubernetes中的PaddleP
addle
### 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。
...
...
@@ -70,7 +70,7 @@
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:
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
...
...
@@ -110,9 +110,9 @@ mv ${PLATFORM}/kube-aws /usr/local/bin
#### kubectl
[
kubectl
](
https://
kubernetes.io/docs/user-guide/kubectl-overview/
)
是一个操作k
ubernetes集群的命令行接口
[
kubectl
](
https://
Kubernetes.io/docs/user-guide/kubectl-overview/
)
是一个操作K
ubernetes集群的命令行接口
利用
`curl`
工具从
k
ubernetes发布页面中下载
`kubectl`
利用
`curl`
工具从
K
ubernetes发布页面中下载
`kubectl`
```
# OS X
...
...
@@ -257,7 +257,7 @@ 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
#### S3 bucket
在启动
k
ubernetes集群前需要创建一个S3 bucket
在启动
K
ubernetes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
)
。
...
...
@@ -313,9 +313,9 @@ kube-aws render credentials --generate-ca
```
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
k
ubernetes集群相关联
asserts(模板和凭证)用于创建、更新和当前目录被创建的
K
ubernetes集群相关联
### 启动
k
ubernetes集群
### 启动
K
ubernetes集群
#### 创建一个在CloudFormation模板上定义好的实例
...
...
@@ -415,7 +415,7 @@ ip-10-0-0-55.us-west-2.compute.internal Ready 6m
### 开始在AWS上进行paddlepaddle的训练
#### 配置
k
ubernetes卷指向EFS
#### 配置
K
ubernetes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
...
...
@@ -464,7 +464,7 @@ kubectl --kubeconfig=kubeconfig create -f pvc.yaml
#### 准备训练数据
启动
k
ubernetes 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.
启动
K
ubernetes 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
```
...
...
@@ -613,7 +613,7 @@ chmod 400 key-name.pem
ssh -i key-name.pem core@INSTANCE_IP
```
`INSTANCE_IP`
: EC2上
k
ubernetes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`
`INSTANCE_IP`
: EC2上
K
ubernetes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
```
...
...
@@ -647,7 +647,7 @@ sudo mount -t nfs4 -o nfsvers=4.1,rsize=1048576,wsize=1048576,hard,timeo=600,ret
```
`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*`
.
###
k
ubernetes集群卸载或删除
###
K
ubernetes集群卸载或删除
#### 删除EFS
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录