1 arquivos alterados com 203 adições e 203 exclusões
Visão dividida
Opções de diferenças
-
+203 -203天梯机试手册.md
+ 203
- 203
天梯机试手册.md
Ver arquivo
| @ -1,203 +1,203 @@ | |||
| ## 1资源准备 | |||
| 根据模型规模，合理安排每个容器使用的资源额度，计算所需要的总资源数目 | |||
| 如100个学生，每个容器需要1C，4G | |||
| 那么总资源需要100C，400G | |||
| 在K8S系统中添加工作节点，满足资源总需求*115%，其中15%为余量，可以多一点。 | |||
| 考试的节点手动添加标签cal_type:cpu/gpu ntype:exam | |||
| 对于exam的镜像会全部调度到这些节点中，普通教学的镜像只会被调度在ntype:study的节点上，以此实现考试和教学的分离，保障考试稳定性 | |||
| 对于gpu的镜像只会被调度到cal_type:gpu的节点上，cpu的镜像同理。 | |||
| ## 2环境准备 | |||
| 根据考试实际需要，build一个镜像 | |||
| 打包过程： | |||
| 文件在jupyter-image-mladder文件夹中 | |||
| 其中base是基镜像，先本地build该镜像 | |||
| cd base | |||
| sudo docker build -t mld:v1 . | |||
| 其它几个镜像中的FROM字段内容要修改为刚刚build的mld:v1 | |||
| 安装包只需要仿照下面代码，用conda或者pip3安装即可，推荐使用一些镜像源，速度较快 | |||
| cudnn等一些包不能用pip安装，可以用conda，自行google搜索 | |||
| ``` | |||
| FROM mld:v1 #这个要对应自己build的镜像 | |||
| ARG NB_USER="jupyter" | |||
| ARG NB_UID="1000" | |||
| ARG NB_GID="100" | |||
| ARG NB_PORT=8888 | |||
| USER root | |||
| ###### 以下是装包： | |||
| RUN conda install pytorch torchvision torchaudio cpuonly -c pytorch \ | |||
| && conda install tensorflow | |||
| RUN pip3 install numpy seaborn sklearn h5py matplotlib pandas future imageio -i https://pypi.mirrors.ustc.edu.cn/simple/ | |||
| RUN pip3 install lightgbm xgboost imblearn mindspore -i https://pypi.mirrors.ustc.edu.cn/simple/ | |||
| RUN pip3 install keras -i https://pypi.mirrors.ustc.edu.cn/simple/ | |||
| ###### | |||
| ENV HOME="/home/${NB_USER}" | |||
| USER ${NB_UID} | |||
| ENTRYPOINT [ "/enterpoint.sh" ] | |||
| ``` | |||
| 不同环境，只需要修改######之间的内容即可，别的代码一般不需要修改 | |||
| 打包好镜像后，需要上传到dockerhub | |||
| dasetalent账户密码查阅 dassetalent_host.md文件 | |||
| docker push 到dockerhub后，进入考试专用的节点（可以直接ssh，也可以在阿里云k8s管理模块workbench远程连接功能），手动docker pull dasetalent/xxxxxx，其中xxxxxx为上传的镜像，要带版本号 | |||
| 之后在服务器nfs上添加节点ip | |||
| 在服务器/etc/exports文件下添加节点ip | |||
| 随后重启nfs服务，重启命令： | |||
| ``` | |||
| service nfs-kernel-server restart | |||
| ``` | |||
| 重启完后可使用**service nfs-kernel-server status**命令查看nfs是否正常运行 | |||
| 下面步骤为暂时性： | |||
| 进入天梯服务器 | |||
| 目录/home/lwttest | |||
| 修改/home/lwttest/config.json文件 | |||
| ``` | |||
| {"version": "v1.2.1", "images": { | |||
| "old": {"image": "bnc1010/old_notebook:v1", "use_gpu": false, "workdir": "/home/public/", "node_select":{"ntype":"study"}}, | |||
| "torch-gpu": {"image": "bnc1010/mladder_notebook_torchgpu:v0.3", "use_gpu": true, "workdir": "/home/jupyter/", "node_select":{"ntype":"study"}}, | |||
| "tensorflow-gpu": {"image": "bnc1010/mladder_notebook_tensorflowgpu:v0.2", "use_gpu": true, "workdir": "/home/jupyter/", "node_select":{"ntype":"study"}}, | |||
| "tensorflow-pytorch-cpu(exam)": {"image": "bnc1010/mladder_notebook_torch_tf_sk:v1.6", "use_gpu": false, "workdir": "/home/jupyter/", "node_select":{"ntype":"exam"}} | |||
| }, | |||
| "node_ips": ["47.100.69.138", "139.224.216.129"], | |||
| "gpu_maxn": 0, | |||
| "gpu_notebook": {}} | |||
| ``` | |||
| 这里以tensorflow-pytorch-cpu(exam)为例，这是一个考试专用镜像，它有四个参数： | |||
| ``` | |||
| { | |||
| "image": "bnc1010/mladder_notebook_torch_tf_sk:v1.6", | |||
| "use_gpu": false, | |||
| "workdir": "/home/jupyter/", | |||
| "node_select":{"ntype":"exam"} | |||
| } | |||
| ``` | |||
| image： dockerhub中能直接pull的镜像名 | |||
| use_gpu： 是否是需要GPU的 | |||
| workdir： notebook的工作地址 | |||
| node_select： 节点标签选择 | |||
| 这里node_select中有一个ntype:exam，表明该镜像起的容器只会在考试专用节点上 | |||
| 其它几个镜像起的容器只会在带有ntype:study标签的节点上 | |||
| **在该配置文件添加好新镜像后，重启脚本/home/lwttest/workServer.py** | |||
| 目前是使用screen挂载 screen -x notebook即可进入， ctrl c 终端，然后python3 /home/lwttest/workServer.py即可重启 | |||
| ## 3比赛准备 | |||
| 准备好考试需要的比赛 | |||
| 详见天梯助教手册 | |||
| **设置考试的环境为上述准备好的考试专用环境** | |||
| 暂时不要publish，测试作业可以使用私密链接，账号可以让测试人员直接从水杉账号，从水杉跳转过来 | |||
| ## 4考试过程 | |||
| #### 4.1 快开始时 | |||
| 清空k8s考试节点中已打开的容器 | |||
| 配置资源容器资源额度： | |||
| ``` | |||
| resources: | |||
| requests: | |||
| memory: 2Gi | |||
| cpu: 800m | |||
| limits: | |||
| memory: 4Gi | |||
| cpu: 2000m | |||
| ``` | |||
| #### 4.2 开始 | |||
| 将比赛正式publish | |||
| #### 4.3 考试中 | |||
| 检测k8s集群，掌握资源实时状态，如果不足，则需要临时加入新节点 | |||
| 如果有其它节点可用时，一个简单有效的补救：手动修改没有成功开启的deployment的yml，修改其ntype调度到非考试节点上去。 | |||
| 考试内容相关： | |||
| 如果有文件错误、说明有误等需要修改、增加文件的情况时，手动上传至对应比赛的input文件中。 | |||
| #### 4.4 考试结束 | |||
| 应该向考生说明保存notebook，避免关闭容器后，代码没有保存而丢失。 | |||
| 在天梯中，点击code按钮下载考生代码、leaderboader排名CSV文件。 | |||
| 保存完毕后，删除考试节点所有的deployment。 | |||
| 设置比赛的环境为空，让考生无法从比赛页面再次进入notebook。 | |||
| 数据盘创建快照。 | |||
| 删除临时work节点。 | |||
| ## 1资源准备 | |||
| 根据模型规模，合理安排每个容器使用的资源额度，计算所需要的总资源数目 | |||
| 如100个学生，每个容器需要1C，4G | |||
| 那么总资源需要100C，400G | |||
| 在K8S系统中添加工作节点，满足资源总需求*115%，其中15%为余量，可以多一点。 | |||
| 考试的节点手动添加标签cal_type:cpu/gpu ntype:exam | |||
| 对于exam的镜像会全部调度到这些节点中，普通教学的镜像只会被调度在ntype:study的节点上，以此实现考试和教学的分离，保障考试稳定性 | |||
| 对于gpu的镜像只会被调度到cal_type:gpu的节点上，cpu的镜像同理。 | |||
| ## 2环境准备 | |||
| 根据考试实际需要，build一个镜像 | |||
| 打包过程： | |||
| 文件在jupyter-image-mladder文件夹中 | |||
| 其中base是基镜像，先本地build该镜像 | |||
| cd base | |||
| sudo docker build -t mld:v1 . | |||
| 其它几个镜像中的FROM字段内容要修改为刚刚build的mld:v1 | |||
| 安装包只需要仿照下面代码，用conda或者pip3安装即可，推荐使用一些镜像源，速度较快 | |||
| cudnn等一些包不能用pip安装，可以用conda，自行google搜索 | |||
| ``` | |||
| FROM mld:v1 #这个要对应自己build的镜像 | |||
| ARG NB_USER="jupyter" | |||
| ARG NB_UID="1000" | |||
| ARG NB_GID="100" | |||
| ARG NB_PORT=8888 | |||
| USER root | |||
| ###### 以下是装包： | |||
| RUN conda install pytorch torchvision torchaudio cpuonly -c pytorch \ | |||
| && conda install tensorflow | |||
| RUN pip3 install numpy seaborn sklearn h5py matplotlib pandas future imageio -i https://pypi.mirrors.ustc.edu.cn/simple/ | |||
| RUN pip3 install lightgbm xgboost imblearn mindspore -i https://pypi.mirrors.ustc.edu.cn/simple/ | |||
| RUN pip3 install keras -i https://pypi.mirrors.ustc.edu.cn/simple/ | |||
| ###### | |||
| ENV HOME="/home/${NB_USER}" | |||
| USER ${NB_UID} | |||
| ENTRYPOINT [ "/enterpoint.sh" ] | |||
| ``` | |||
| 不同环境，只需要修改######之间的内容即可，别的代码一般不需要修改 | |||
| 打包好镜像后，需要上传到dockerhub | |||
| dasetalent账户密码查阅 dassetalent_host.md文件 | |||
| docker push 到dockerhub后，进入考试专用的节点（可以直接ssh，也可以在阿里云k8s管理模块workbench远程连接功能），手动ctr images pull dasetalent/xxxxxx，其中xxxxxx为上传的镜像，要带版本号 | |||
| 之后在服务器nfs上添加节点ip | |||
| 在服务器/etc/exports文件下添加节点ip | |||
| 随后重启nfs服务，重启命令： | |||
| ``` | |||
| service nfs-kernel-server restart | |||
| ``` | |||
| 重启完后可使用**service nfs-kernel-server status**命令查看nfs是否正常运行 | |||
| 下面步骤为暂时性： | |||
| 进入天梯服务器 | |||
| 目录/home/lwttest | |||
| 修改/home/lwttest/config.json文件 | |||
| ``` | |||
| {"version": "v1.2.1", "images": { | |||
| "old": {"image": "bnc1010/old_notebook:v1", "use_gpu": false, "workdir": "/home/public/", "node_select":{"ntype":"study"}}, | |||
| "torch-gpu": {"image": "bnc1010/mladder_notebook_torchgpu:v0.3", "use_gpu": true, "workdir": "/home/jupyter/", "node_select":{"ntype":"study"}}, | |||
| "tensorflow-gpu": {"image": "bnc1010/mladder_notebook_tensorflowgpu:v0.2", "use_gpu": true, "workdir": "/home/jupyter/", "node_select":{"ntype":"study"}}, | |||
| "tensorflow-pytorch-cpu(exam)": {"image": "bnc1010/mladder_notebook_torch_tf_sk:v1.6", "use_gpu": false, "workdir": "/home/jupyter/", "node_select":{"ntype":"exam"}} | |||
| }, | |||
| "node_ips": ["47.100.69.138", "139.224.216.129"], | |||
| "gpu_maxn": 0, | |||
| "gpu_notebook": {}} | |||
| ``` | |||
| 这里以tensorflow-pytorch-cpu(exam)为例，这是一个考试专用镜像，它有四个参数： | |||
| ``` | |||
| { | |||
| "image": "bnc1010/mladder_notebook_torch_tf_sk:v1.6", | |||
| "use_gpu": false, | |||
| "workdir": "/home/jupyter/", | |||
| "node_select":{"ntype":"exam"} | |||
| } | |||
| ``` | |||
| image： dockerhub中能直接pull的镜像名 | |||
| use_gpu： 是否是需要GPU的 | |||
| workdir： notebook的工作地址 | |||
| node_select： 节点标签选择 | |||
| 这里node_select中有一个ntype:exam，表明该镜像起的容器只会在考试专用节点上 | |||
| 其它几个镜像起的容器只会在带有ntype:study标签的节点上 | |||
| **在该配置文件添加好新镜像后，重启脚本/home/lwttest/workServer.py** | |||
| 目前是使用screen挂载 screen -x notebook即可进入， ctrl c 终端，然后python3 /home/lwttest/workServer.py即可重启 | |||
| ## 3比赛准备 | |||
| 准备好考试需要的比赛 | |||
| 详见天梯助教手册 | |||
| **设置考试的环境为上述准备好的考试专用环境** | |||
| 暂时不要publish，测试作业可以使用私密链接，账号可以让测试人员直接从水杉账号，从水杉跳转过来 | |||
| ## 4考试过程 | |||
| #### 4.1 快开始时 | |||
| 清空k8s考试节点中已打开的容器 | |||
| 配置资源容器资源额度： | |||
| ``` | |||
| resources: | |||
| requests: | |||
| memory: 2Gi | |||
| cpu: 800m | |||
| limits: | |||
| memory: 4Gi | |||
| cpu: 2000m | |||
| ``` | |||
| #### 4.2 开始 | |||
| 将比赛正式publish | |||
| #### 4.3 考试中 | |||
| 检测k8s集群，掌握资源实时状态，如果不足，则需要临时加入新节点 | |||
| 如果有其它节点可用时，一个简单有效的补救：手动修改没有成功开启的deployment的yml，修改其ntype调度到非考试节点上去。 | |||
| 考试内容相关： | |||
| 如果有文件错误、说明有误等需要修改、增加文件的情况时，手动上传至对应比赛的input文件中。 | |||
| #### 4.4 考试结束 | |||
| 应该向考生说明保存notebook，避免关闭容器后，代码没有保存而丢失。 | |||
| 在天梯中，点击code按钮下载考生代码、leaderboader排名CSV文件。 | |||
| 保存完毕后，删除考试节点所有的deployment。 | |||
| 设置比赛的环境为空，让考生无法从比赛页面再次进入notebook。 | |||
| 数据盘创建快照。 | |||
| 删除临时work节点。 | |||