第 3 章 安装分布式工作负载组件
要在 OpenShift AI 中使用分布式工作负载功能，您必须安装几个组件。
先决条件
-
已使用
cluster-admin角色登录到 OpenShift，您可以访问数据科学项目。 - 已安装 Red Hat OpenShift AI。
- 您有足够的资源。除了 安装和部署 OpenShift AI 中描述的最低 OpenShift AI 资源外，还需要 1.6 vCPU 和 2 GiB 内存来部署分布式工作负载基础架构。
- 您已删除了 CodeFlare Operator 的任何以前安装实例，如 知识库解决方案 如何从数据科学集群中的单独安装的 CodeFlare Operator 迁移。
如果要使用图形处理单元(GPU)，在 OpenShift AI 中启用了 GPU 支持。请参阅启用 NVIDIA GPU。
注意在 OpenShift AI 中，对于分布式工作负载，红帽只支持 NVIDIA GPU 加速器。红帽支持在同一集群中使用加速器。红帽不支持在加速器之间远程直接内存访问(RDMA)，或使用网络上的加速器，例如使用 NVIDIA GPUDirect 或 NVLink 等技术。
如果要使用自签名证书，请将它们添加到中央证书颁发机构(CA)捆绑包中，如使用 证书 中所述。不需要额外的配置来将这些证书与分布式工作负载一起使用。集中配置的自签名证书会在以下挂载点的工作负载 pod 中自动可用：
集群范围的 CA 捆绑包：
/etc/pki/tls/certs/odh-trusted-ca-bundle.crt /etc/ssl/certs/odh-trusted-ca-bundle.crt
自定义 CA 捆绑包：
/etc/pki/tls/certs/odh-ca-bundle.crt /etc/ssl/certs/odh-ca-bundle.crt
流程
-
在 OpenShift 控制台中，点 Operators
Installed Operators。 - 搜索 Red Hat OpenShift AI Operator，然后点 Operator 名称以打开 Operator 详情页面。
- 点 Data Science Cluster 选项卡。
- 点默认实例名称（如 default-dsc）打开实例详情页面。
- 点 YAML 选项卡显示实例规格。
启用所需的分布式工作负载组件。在
spec.components部分中，为所需组件正确设置managementState字段：-
如果要使用 CodeFlare 框架调优模型，请启用
codeflare、kue和ray组件。 -
如果要使用 Kubeflow Training Operator 调优模型，请启用
kue和trainingoperator组件。 - 所需的组件列表取决于分布式工作负载是否从管道或笔记本运行，如下表所示。
表 3.1. 分布式工作负载所需的组件 组件 仅限管道 仅限笔记本 Pipelines 和笔记本 codeflare受管受管受管dashboard受管受管受管datasciencepipelines受管删除受管kueue受管受管受管ray受管受管受管trainingoperator受管受管受管workbenches删除受管受管-
如果要使用 CodeFlare 框架调优模型，请启用
-
点击 Save。片刻后，处于
Managed状态的组件已就绪。
验证
检查 codeflare-operator-manager、kuberay-operator 和 kueue-controller-manager pod 的状态，如下所示：
- 在 OpenShift 控制台中，从 Project 列表中选择 redhat-ods-applications。
-
点 Workloads
Deployments。 搜索 codeflare-operator-manager,kuberay-operator, 和 kueue-controller-manager 部署。在每个情形中，按如下所示检查状态：
- 单击部署名称以打开部署详情页面。
- 点 Pods 选项卡。
检查 pod 状态。
当 codeflare-operator-manager- <pod-id& gt;、kuberay-operator- <pod-id>、和 kue-controller-manager-<pod-id > pod 的状态为 Running 时，pod 就可以使用。
- 要查看每个 pod 的更多信息，请点 pod 名称以打开 pod 详情页面，然后点 Logs 选项卡。
下一步
配置分布式工作负载功能，如 管理分布式工作负载 中所述。
