有什么方便的实验室共享 GPU 方案？

[Cineray]

实验室一台服务器大概有 10 多个人用，以前都是使用一个账号，大家合理分配时间。

现在老师要求各自建立自己的账号，但是有一个问题，因为大家的运行环境不一样，包括 cuda/python 版本等。

所以我想建立一个隔离环境，大家有一定的 sudo apt 权限，但是又不会因为环境冲突装坏系统。

目前看到的是有的用 docker/LCX ，感觉有些臃肿，求问有没有更好的方式？

如果有管理器就更好了，方便及时添加/删除用户。

另外我们有多台机器，有什么好的方法可以智能分配账号/算力资源吗？

[dododada]

docker 。
我记得站里有个这种帖子的。

[jiny2048]

装好必要的软件，不给 sudo 权限，每个人自己用 conda
多台服务器用 ansible 分发/管理帐号
gpu 没必要做分配/虚拟化，抢占式/商量着来就行了

[litguy]

docker 或者 lxd
个人更喜欢后面这个，因为和虚拟机用起来差不多

[hallDrawnel]

和 2 楼差不多，不给 sudo 权限，每个人自己用 conda 管理自己的环境就行，驱动管理员负责更新。
然后大家去抢就好了 10 个人。

[retanoj]

要是想在操作系统级别支持自定义安装软件，那还是 docker / LCX 吧。
不是臃肿的问题，是你给了 sudo 一定滥用和冲突。

[CheckTime]

硬盘够大就行，每个人登录在自己目录下面安装自己的 conda 环境。不用给 sudo 权限，有必须要装的系统包打申请

[steveway]

https://github.com/shenuiuin/LXD_GPU_SERVER
目前在用是这个方案，确实如楼上朋友所说，需要硬盘够大。
但其实用下来，除了 lxc 完全隔离之外，小问题还是有不少的，如果实验室对 linux 都比较熟悉，直接分帐号使用就好了。

[happyxhw101]

cuda 统一版本
每个人建自己的账户，/home/xxx ，用 conda 安装自己的 python 环境
不给 sudo 权限，需要安装软件的统一一个人负责

[Busby]

Docker 大法好。非计算机专业很难保证每个人的水平，还是各玩各的好。

[guoyijun163]

用 pve+container(LXC)，pve 宿主机上装显卡的 kernel 驱动，container 里装运行时（不过这样驱动版本是需要一致匹配的）
大家各自拿着一个 container 有 root 权限，除了动不了 kernel ，换不了驱动版本外其他都能自己装

[bjtujtonlyone]

CUDA 就装一个，包括一些臃肿的数据集都是在管理员目录，有命令可以软链接；其他的 python 环境用户自己 conda 虚拟。

[bthulu]

一人买一台服务器不久好了

[binarywizard]

可以使用英伟达的 MIG 方案，切分 GPU 卡

[jacy]

hyper-v 开小鸡分给大家，虽然臃肿，但大家想怎么搞怎么搞

[Woolaman]

不太理解。既然是服务器，当然每个人有自己的账号啊，不然怎么写代码、debug 、看数据？
至于计算资源的分配，用专门的资源调度软件管理不就行了吗，例如 slurm 、htcondor 。
你把作业提交上去，别人的作业结束了，你的任务就开始了啊，大家协商一下最大作业时间就行了，例如 48h 、72h 。
我是做物理的，蒙卡模拟啥的，要是说错了，勿喷！

[dode]

Docker ，每个用户独立使用私钥登录，都加入到 docker 组

[hiphooray]

遇到了同样的情况，4 个人用，而且并没有专人负责服务器的维护工作。
因此为了方便起见，每个人都申请自己独立的拥护，自己维护自己的开发环境，然后配上了足够大容量的硬盘。
GPU 分配就更粗暴了，在微信群里喊一声，用了哪张卡，要用多久，就行了。

[Huelse]

不要给 sudu 权限，遇到不懂非要硬来的直接给你搞崩

[Argon]

我这边用下来有个提醒。楼上说的 Docker 方案，假如 Docker 自身不是 rootless 的，那么有权限使用 docker 的用户实质上都能提权到 root 。我这边就遇到挂载 / 然后搞事的同学。
该帖其它楼的方案，比如 Proxmox VE 用 CT 共享 GPU 或者 LXD 共享，相比 Docker 的坏处是，对于缺少虚拟化经验的同学而言容易接触的资料不如 docker pull 来得多。但是话又说回来，写不明白 Dockerfile 只会连进容器内部敲命令的大有人在。搞不好他还会想装个 openssh-server ，这时候有着完整 systemd 支持的 LXC 容器，比 docker container 那就阳间太多了。
对于 LXD 有一个挺漂亮的 Web 面板，可以试试： https://lxdware.com/

[kangyue9999]

几种办法
1.设备独享型，使用 openlava 配置一下，没人按需按时间抓机器丢任务去跑，优点：应用兼容性好。缺点：容易造成资源浪费（比如一个人跑的任务可能只用很少的 GPU ，但是整个机器都归他了）
2.vgpu 共享型，去买个 NVIDIA vgpu 的授权，然后每台服务器可以去配置资源分割。优点：不浪费 GPU ，缺点：应用程序支持可能有限。
3 VGPU+调度器型：算是 1,2 的合体，用 vgpu+opennebula 。缺点是一二缺点的集合体，再加上配置估计不简单。

[debuggerx]

把服务器部署成 runner 你们提交任务上去 排队执行

[skies457]

目前实验室正在使用的方案：
- Kubernetes 作为集群基础架构
- GitLab 提供单点登录服务
- Harbor 提供自定义环境的镜像托管
- JupyterLab （ https://z2jh.jupyter.org/en/stable/）为每个人提供可选配置的独立执行环境

[ruimz]

open ondemand ，开源 HPC 管理
https://github.com/OSC/ondemand

[flyqie]

这类环境最好不要用 docker 。。

docker 在这类环境下隔离不太好做。

要上的话建议 lxc 或者它的上层 lxd 。

[ruimz]

@ruimz 这个 ondemond 可以分账号，一个账号搞坏不破坏系统，cuda python 不同版本环境隔离，有网页管理，支持多机集群，支持网页直接开 Jupyter notebook 。
一开始是给学校用超算开发的，所以和楼主描述的实验室环境的需求几乎完全一致

[Cineray]

@ruimz #25 感谢推荐，不过部署 HPC 有点大炮打蚊子的感觉😂

[xudong]

kubeflow

[good4you]

鄙人有五年 HPC 使用经验，推荐使用：slurm

这个已经是很完善的体系，在北美非常常见，从高校到美国国防部都在使用。由于系统发展比较成熟，部署难度很可能远小于自己捣鼓 docker 之类的。具体的我没有了解，还请楼主移步： https://slurm.schedmd.com/documentation.html

[terencelau]

只有一台服务器的话就 Docker 部署 JupyterHub 吧，文件上传下载还可以部署一个 file browser ，如果能多几台服务器再考虑 K8S 或者 SLURM 。我现在用的方案是 K8S 底座 + Kubeflow

[ttyhtg]

看了楼上诸位回复，受益良多，哈哈

[totoroyyw]

SLURM 或者 Docker 挂显卡

[stevenshum]

看到很多人推荐 HPC ，想问一下单台服务器怎么部署和使用 HPC ？

[dayeye2006199]

多账号 ssh 和 conda

conda 可以管理 cuda 版本的吧？

[Sayuri]

用 nvidia-container-runtime 来在 docker 里面跑 GPU 。
大家约定好一个固定的 cuda 版本，硬性要求环境用容器部署就行了。

[Famio]

我的想法是 lsf ，虚拟化都不用做，大家的任务都丢队列，顺序处理，架构上来说很省事，原生 linux os 该咋用咋用，没有虚拟化、容器化的运维负载。

[ZedRover]

cuda 不统一版本最好用 docker ，宿主机上用最新的 nvdriver ，容器内 cuda 版本随意。用 conda 只能解决 python 环境，很多上古代码需要很低的 cuda 版本才能跑起来，很多 torch 2 的新功能需要新的 cuda ，不是说一句统一版本就能解决的

[pslucifer]

@skies457 正解

[doublebu]

用 LXD ，有大佬已经写过教程了： https://zhuanlan.zhihu.com/p/421271405

目前白嫖朋友的工作站就是这样的，除了 GPU 外，自己装 tailscale 这种组网工具也可以，而且有 systemd 的支持.