在多集群环境中运行 Kubeflow Job
运行 MultiKueue 调度的 Kubeflow Job。
开始之前
请查阅 MultiKueue 安装指南了解如何正确设置 MultiKueue 集群。
为方便安装和使用，建议使用 Kueue v0.11.0 和 Kubeflow Trainer v1.9.0 以上版本。
有关 Trainer 的安装和配置详情，请参见 Trainer 安装文档。
注意
在 Kueue（低于 v0.11.0）支持 ManagedBy 特性之前，管理集群上的 Kubeflow Trainer 安装必须仅限于 CRD。
要安装 CRD，请运行：
kubectl apply -k "github.com/kubeflow/trainer.git/manifests/base/crds?ref=v1.9.0"
MultiKueue 集成
完成设置后，你可以通过运行其中一个 Kubeflow Job（如 PyTorchJob sample-pytorchjob.yaml）进行测试。
注意
注意：Kueue 会在管理集群上的所有 Kubeflow Job 默认设置 spec.runPolicy.managedBy 字段为 kueue.x-k8s.io/multikueue。
这使得 Trainer 能够忽略由 MultiKueue 管理的 Job，特别是跳过 Pod 的创建。
Pod 会在选定的工作集群上的 Job 镜像副本中被创建并实际运行。 Job 镜像副本未设置此字段。
与 MPI Operator 协同工作
为了让 MPI-operator 和 Trainer 能在同一集群上工作，需要：
- 从
base/crds/kustomization.yaml中移除kubeflow.org_mpijobs.yaml- https://github.com/kubeflow/trainer/issues/1930 - 修改 Trainer 部署以启用除 MPI 以外的所有 Kubeflow Job - https://github.com/kubeflow/trainer/issues/1777
反馈
这个页面有帮助吗？
Glad to hear it! Please tell us how we can improve.
Sorry to hear that. Please tell us how we can improve.