【摘要】隨著大模型的興起，GPU算力的需求越來越多，而當前現實狀況使企業往往受限於有限的GPU卡資源，即便進行了虛擬化，往往也難以充分使用GPU卡資源或持續使用資源。為解決GPU算力資源不均衡等問題，同時支援GPU算力的國產化替代，提升GPU資源的使用率，GPU算力池化需求迫在眉睫。
本文分享了GPU設備虛擬化的幾種路線、GPU虛擬化與共享方案以及GPU算力池化雲端原生實作。
【作者】汪照輝，中國銀河證券架構師，專注於容器雲、微服務、DevOps、資料治理、數位轉型等領域，對相關技術有獨特的理解與見解。擅長於軟體規劃和設計，提出的「平台融合」的觀點越來越被認同和事實證明。發表了許多技術文章探討容器平台建置、微服務技術、DevOps、數位轉型、資料治理、中台建置等內容，受到了廣泛關注與肯定。
智慧化應用如人臉辨識、語音辨識、文字辨識、智慧推薦、智慧客服、智慧風控等已廣泛應用於各行各業，這些應用被稱為判定式AI的範疇，通常和特定的業務場景相綁定，因此在使用GPU（Graphics Processing Unit）卡的時候也通常各自獨立，未考慮業務間GPU共享能力，至多實現vGPU虛擬化切分，從而一張實體GPU卡虛擬出多張vGPU，可以運行多個判定式AI 應用。隨著大模型的興起，對GPU算力的需求越來越多，而當前現實情況使企業往往受限於有限的GPU卡資源，難以支撐眾多的業務需求，同時由於業務特性等，即便進行了虛擬化，往往難以充分使用GPU卡資源或持續使用資源，因此也造成有限的卡片資源也無法有效利用。
從GPU虛擬化需求到池化需求智慧化應用數量的成長對GPU算力資源的需求越來越多。 NVIDIA雖然提供了GPU虛擬化和多GPU執行個體切分方案等，但仍無法滿足自由定義虛擬GPU和整個企業GPU資源的共享重複使用需求。 TensorFlow、Pytorch等智慧化應用框架開發的應用往往獨佔一張GPU整卡（AntMan框架是為共享的形式設計的），從而使GPU卡短缺，另一方面，大部分應用卻只使用卡的一小部分資源，例如身分證辨識、票據辨識、語音辨識、投研分析等推理場景，這些場景GPU卡的使用率都比較低，沒有業務請求時利用率甚至是0%，有算力卻受限於卡的有限數量。
單一推理場景佔用一張卡片造成很大浪費，和卡片數量不足形成矛盾，因此，算力切分是目前許多場景的基本需求。再者，往往受限於組織架構等因素，GPU由各團隊自行採購使用，算力資源形成孤島，分佈不均衡，有的團隊GPU資源空閒，有團隊無卡可用。為解決GPU算力資源不均衡等問題，同時支援GPU算力的國產化替代，協調線上和離線資源需求、業務高峰和低峰值資源需求、訓練和推理、以及開發、測試、生產環境對資源需求不同，實現算力的統一管理與調度重複使用，實現GPU資源的切分、聚合、超分、遠端呼叫、應用熱遷移等能力，提升GPU資源的利用率，GPU算力池化需求迫在眉睫。
GPU設備虛擬化路線GPU設備虛擬化有幾個可行方案。
首先是PCIe直通模式（PCIe Pass-through技術，pGPU），也就是將實體主機上的整塊GPU卡直通掛載到虛擬機器上使用。但這種方式是獨佔模式，GPU卡沒有虛擬化切分，並不能解決多個應用運行在一張卡上的問題，因此意義不是很大。
第二是採用SR-IOV技術，讓一個PCIe設備在多個虛擬機器之間共享，同時保持較高效能。透過SR-IOV在實體GPU設備上創建多個虛擬vGPU來實現的，每個虛擬vGPU可以被分配到一個虛擬機，讓虛擬機直接存取和控制這些虛擬功能，從而實現高效的I/O虛擬化。 NVIDIA早期的vGPU就是這樣的實現，不過NVIDIA vGPU需要額外的license，額外增加了成本。SR-IOV雖然實現了1：N的能力，但其彈性比較差，難以更細粒度的分割和調度。
第三是MPT（Mediated Pass-Through，受控制的直通）模式。 MPT本質上是一種通用的PCIe設備虛擬化方案。兼顧了1:N靈活性、高性能、功能完整性，但邏輯上相當於實現在內核態的device-model，廠商通常不會公開硬體編程接口，因此採用MPT可能會形成廠商依賴。用的最多的模式是API轉送模式。根據AI應用的呼叫層次（如下圖），API轉送有多個層次，包含CUDA API轉送（圖中①）、GPU Driver API轉送（圖中②）和裝置硬體層API轉送（圖③）。設備硬體層API通常是難以取得的，因此目前市面上通常採用CUDA API轉送模式（截獲CUDA請求轉發，也稱為用戶態）和GPU卡驅動Driver API轉送模式（截取驅動層請求轉發，也被稱為內核態）.另外AI開發框架往往和GPU卡綁定（例如華為支持CANN框架，海光支持DTK框架，英偉達則支持TensorFlow、Pytorch等框架），AI應用在使用AI框架時，也可以在AI框架層進行轉發，在AI應用程式遷移時比較有用。
AI應用呼叫層次
GPU虛擬化與共享方案了解了GPU設備虛擬化的方式，基於裝置虛擬化技術，看下GPU虛擬化與共享的實作方式。 GPU虛擬化和共享有多種方案，英偉達從官方也提供了vGPU、MIG、MPS等方案，以及非官方的vCUDA、rCUDA、核心劫持等多種方案。
NVIDIA VGPU方案NVIDIA vGPU是NVIDIA提供的虛擬化方案，可靠性和安全性高，但不支援容器，只能虛擬化若干個vGPU ，使用不靈活；無法動態調整資源比例；有一定的共享損耗；不支援客製化開發，需支付額外license費用。 MIG方案MIG是多實例GPU方案。只支援Linux作業系統，需要CUDA11/R450或更高版本；支援MIG的卡有A100, H100 等比較高階的卡；支援裸機和容器，支援vGPU模式，一旦GPU卡設定了MIG後，就可以動態管理instance了，MIG設定時persistent 的，即使是reboot也不會受影響，直到使用者明確地切換。
借助MIG，用戶可以在單一GPU卡上獲得最多7倍的GPU資源，為研發人員提供了更多的資源和更高的靈活性。優化了GPU的利用率，並支援在單一GPU上同時執行推理、訓練和高效能運算（HPC）任務。每個MIG實例對於應用程式都像獨立GPU一樣運行，使其程式設計模型沒有變化，對開發者友好。
MPS(Multi-Process Scheduling)MPS多進程調度是CUDA應用程式介面的替代二進位相容實作。從Kepler的GP10 架構開始，NVIDIA 引入了MPS… Continue reading
