Google正式整合Kubernetes引擎与GPU服务

近日Google云端服务加强许多深度学习、机器学习应用相关的功能，先是扩充虚拟主机硬体规格，推出主打大记忆体容量的ultramem规格VM，让使用者能进行高效能运算，同时，公有云平台的先占式GPU、TPU也在近日陆续上线，企业可以花费比随需服务更便宜的价格，使用GPU、TPU资源。而这一次Google则是宣布，公有云GPU服务现在正式与Kubernetes引擎（GKE）整合。

目前GCP旗下的GPU硬体共有3种选择，从价格较入门等级的K80，至中阶P100及高阶V100，让使用者可以按需选择。想要使用新功能的使用者，现在Google也有提供300美元免费试用额度。

这次发布后，企业在GKE环境中运作的容器应用程式，便可以搭配GPU服务，执行CUDA工作负载，「可以借力GPU大量处理能力，同时免去管理VM的工作」，Google表示，此服务也可以搭配日前正式上线的先占式GPU服务使用，降低企业进行机器学习运算的成本。现在此功能，也已经和Google云端监控服务Stackdriver整合，使用者可以观察，现在GPU资源的存取频率、GPU资源的可用量，或者GPU的配置状况。

此外，在Kubernetes环境中使用GPU服务的企业，也可以一併使用Google Kubernetes引擎的一些现有功能。像是搭配Node资源池功能，让现有Kubernetes丛集上的应用程式可以存取GPU资源。当企业应用规模弹性改变时，则可以选用丛集扩充功能，系统可以自动扩充内建GPU的节点，当基础架构中没有任何Pod需要存取GPU资源时，系统就会自动关闭这些扩充节点，GKE也会确保节点上的Pod，都是需要存取GPU资源的Pod，避免没有GPU需求的Pod被部署至这些节点运作。而系统管理员可以利用资源配额功能，当多个团队共用大规模丛集时，限制各使用者能存取的GPU资源。

现在此功能，也已经和Google云端监控服务Stackdriver整合，使用者可以观察，现在GPU资源的存取频率、GPU资源的可用量，或者GPU的配置状况。图片来源：Google