輕松擴展機器學習能力：如何在Rancher上安裝Kubeflow
隨著機器學習領域不斷發展，對于處理機器學習的團隊來說，在1臺機器上訓練1個模型已經有些難以為繼，并且現在業界的共識是機器學習已經不僅僅是簡單的模型訓練。
在模型訓練之前、過程中和之后，需要進行許多活動，對于要生成自己的ML模型的團隊來說尤其如此。下圖常常被引用來說明此類情況：
對于許多團隊來說，將機器學習的模型從研究環境應用到生產環境這一過程困難重重，背負很大的壓力。糟糕的是，市面上處理每類問題的工具都數量驚人，而這些海量工具都有望解決你所有的機器學習難題。
但是整個團隊學習新工具通常很耗時，并且將這些工具集成到你當前的工作流程中也并不容易。這時，或許可以考慮Kubeflow，這是為需要建立機器學習流水線的團隊而打造的一個機器學習平臺，它包括許多其他工具，可以用于服務模型和調整超參數。Kubeflow嘗試做的是將同類最好用的ML工具整合在一起，并將它們集成到一個平臺中。
來源：https://www.kubeflow.org/docs/started/kubeflow-overview/
顧名思義，Kubeflow應該部署在Kubernetes上，既然你是通過Rancher的平臺閱讀到這篇文章，那么你大概率已經在某個地方部署了Kubernetes集群。
值得注意的是，Kubeflow中的“flow”并不是表示Tensorflow。Kubeflow也能夠與PyTorch一起使用，甚至可以與任何ML框架一起使用（不過支持得最好的框架還是Tensorflow和PyTorch）。
在本文中，我將向你展示如何盡可能簡單地安裝Kubeflow。如果在你的集群上已經有GPU設置，則過程將更為簡單。如果尚未設置，那么你需要執行一些額外的設置步驟，因為許多機器學習需要運行在NVIDIA GPU上。
在Kubeflow上設置GPU支持
假設你已經安裝了Docker 19.x。
1、 安裝NVIDIA 容器運行時
在所有帶有GPU的節點上：
- % distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
- % curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
- % curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
- % sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
- % sudo apt-get install nvidia-container-runtime
現在，修改Docker守護進程（Daemon）運行時字段：
- % sudo vim /etc/docker/daemon.json
粘貼以下內容：
- {
- "default-runtime": "nvidia",
- "runtimes": {
- "nvidia": {
- "path": "/usr/bin/nvidia-container-runtime",
- "runtimeArgs": []
- }
- }
- }
現在重啟Docker守護進程：
- % sudo systemctl restart docker
2、 安裝NVIDIA設備插件
在master節點上，創建NVIDIA設備插件：
- % kubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/1.0.0-beta/nvidia-device-plugin.yml
接下來，正式開始安裝Kubeflow。
安裝Kubeflow
注意：在撰寫本文時，Kubeflow的最新版本是1.0。它與Kubernetes 1.14和1.15版本兼容。
Step0：設置動態Volume配置
在我們安裝Kubeflow之前，我們需要設置動態配置。
一種方法是使用Rancher的local-path-provisioner，其中使用了基于hostPath的節點持久卷。設置非常簡單：將其指向節點上的路徑并部署YAML文件。缺點是無法控制volume容量限制。
另一種方法是使用網絡文件系統（NFS），我將在下文展示具體步驟。
在Master節點上設置網絡文件系統
假設你將大部分數據存儲在本地，那么你需要設置NFS。在這里，我假設 NFS server位于master節點10.64.1.163上。
首先，為NFS安裝依賴項：
- % sudo apt install -y nfs-common nfs-kernel-server
然后，創建一個根目錄：
- % sudo mkdir /nfsroot
將以下條目添加到/etc/exports：
- /full/path/to/nfsroot 10.64.0.0/16(rw,no_root_squash,no_subtree_check)
請注意，10.64.0.0是節點的CIDR，而不是Kubernetes Pod CIDR。
接下來，通過以下命令將共享目錄導出為sudo：
- % sudo exportfs -a
最后，要使所有配置生效，請按如下所示重新啟動NFS內核服務器：
- % sudo systemctl restart nfs-kernel-server
另外，確保nfs-kernel-server在服務器（重新）啟動時啟動：
- % sudo update-rc.d nfs-kernel-server enable
在worker節點上設置NFS
為NFS安裝依賴項：
- % sudo apt install -y nfs-common
安裝NFS Client Provisioner
現在，我們可以安裝NFS Client Provisioner——并且終于可以向你們安利我最愛的Rancher功能之一：應用商店！
默認情況下，Rancher自帶了許多已經經過測試的應用程序。此外，我們還可以自行添加整個Helm Chart到應用商店里。
點擊Apps，然后點擊【Manage Catalogs】
然后選擇【Add Catalog】：
填寫以下值：
點擊【Create】，回到【Apps】頁面。稍微等待一會兒，你將看到helm部分有了許多應用程序。你可以點擊【Refresh】來查看進程：
現在，在搜索框內輸入nfs，然后你將看到2個條目：
其中一個正是我們要找的：nfs-client-provisioner。點擊它，然后你將看到：
這是可用于nfs-client-provisioner的chart的所有選項，你將需要使用它們來填寫以下內容：
填寫完畢后，你可以點擊【Launch】按鈕。等待一會兒，讓Kubernetes下載Docker鏡像，并將一切設置完畢。所有操作都完成后，你將看到以下頁面：
我真的太喜歡應用商店這個功能了，它是我最喜歡的功能之一，因為它的存在，使得在集群上安裝和監控應用程序變得簡單和方便。
Step1：下載并安裝kfctl
這是Kubeflow的控制工具，與kubectl類似。你可以從Kubeflow的release頁面下載它：
https://github.com/kubeflow/kfctl/releases/tag/v1.0.2
然后，解壓文件并將二進制文件放入你的$PATH中。
Step2：安裝Kubeflow
首先，指定一個文件夾存儲所有的Kubeflow YAML文件。
- $ export KFAPP=~/kfapp
下載kfctl配置文件：
- wget https://raw.githubusercontent.com/kubeflow/manifests/v1.0-branch/kfdef/kfctl_k8s_istio.v1.0.2.yaml
請注意：如果你已經安裝了Istio，則需要編輯kfctl_k8s_istio.v1.0.2.yaml并刪除istio-crds和istio-install應用程序條目。
然后，導出CONFIG_URI：
- $ export CONFIG_URI="/path/to/kfctl_k8s_istio.v1.0.2.yaml"
接下來，你需要指定一堆環境變量，這些環境變量將指示Kubeflow配置文件下載到的位置：
- export KF_NAME=kubeflow-deployment
- export BASE_DIR=/opt
- export KF_DIR=${BASE_DIR}/${KF_NAME}
安裝Kubeflow：
- % mkdir -p ${KF_DIR}
- % cd ${KF_DIR}
- % kfctl apply -V -f ${CONFIG_URI}
你需要一些時間等待一切都設置完畢。
訪問Kubeflow UI
要訪問UI，我們需要知道Web UI所在的端口：
- % kubectl -n istio-system get svc istio-ingressgateway
返回以下內容：
- NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
- istio-ingressgateway NodePort 10.43.197.63 <none> 15020:30585/TCP,**80:31380/TCP**,443:31390/TCP,31400:31400/TCP,15029:32613/TCP,15030:32445/TCP,15031:30765/TCP,15032:32496/TCP,15443:30576/TCP 61m
在本例中，它是80:31380，這意味著你可以通過http://localhost:31380訪問Kubeflow UI：
如果你成功地看到了這個頁面，那么恭喜你，你已經成功設置Kubeflow🎉
結 論
在本文中，我們首先探討了為什么需要諸如Kubeflow這類工具——以控制機器學習本身的復雜性。接下來，我們按照步驟為集群進行機器學習工作做好了準備，尤其需要確保該集群可以利用可用的NVIDIA GPU。
在設置NFS時，我們探索了Rancher的應用商店，并將Helm Chart添加到應用商店中。它為我們提供了在Kubernetes集群上可以安裝的所有Kubernetes應用程序。最后，我們完成了在集群上安裝Kubeflow的步驟。
