KVM虚拟机内进行GPU计算

（文章来自作者维护的社区微信公众号【虚拟化云计算】）

（目前有两个微信群《kvm虚拟化》和《openstack》，扫描二维码点击“云-交流”，进群交流提问）

    我们知道CUDA是由NVIDIA推出的通用并行计算架构，使用该架构能够在GPU上进行复杂的并行计算。在有些场景下既需要使用虚拟机进行资源的隔离，又需要使用物理GPU进行大规模的并行计算。本文就进行相关的实践：把NVIDIA显卡透传到虚拟机内部，然后使用CUDA平台进行GPU运算的实践。

 

显卡型号：NVIDIA的Tesla P4

 

物理主机查看显卡：

# lspci | grep NVIDIA

81:00.0 3D controller: NVIDIA Corporation Device 1bb3 (rev a1)

#

 

把pci显卡从主机上分离：

# virsh nodedev-list

pci_0000_81_00_0

#virsh nodedev-dettach  pci_0000_81_00_0

 

虚拟机直接指定此pci显卡：

<devices>

      ......

    <hostdev mode='subsystem' type='pci' managed='yes'>

      <source>

        <address domain='0x0000' bus='0x81' slot='0x00' function='0x0'/>

      </source>

      <address type='pci' domain='0x0000' bus='0x00' slot='0x10' function='0x0'/>

    </hostdev>

</devices>

 

虚拟机内部查看是否有显卡：

# lspci | grep NVIDIA

00:10.0 3D controller: NVIDIA Corporation Device 1bb3 (rev a1)

#

 

虚拟机内准备环境：

ubuntu16.04

# apt-get install gcc

# apt-get install linux-headers-$(uname -r)

 

虚拟机内CUDA Toolkit 9.1 Download：

虚拟机内CUDA Toolkit Install :

# dpkg -i cuda-repo-ubuntu1604-9-1-local_9.1.85-1_amd64.deb

# apt-key add /var/cuda-repo-9-1-local/7fa2af80.pub

# apt-get update

# apt-get install cuda

 

GPU运算示例 代码：

//add.cu

#include <iostream>

#include <math.h>

// Kernel function to add the elements of two arrays

__global__

void add(int n, float *x, float *y)

{

  for (int i = 0; i < n; i++)

    y[i] = x[i] + y[i];

}

int main(void)

{

  int N = 1<<20;

  float *x, *y;

  // Allocate Unified Memory – accessible from CPU or GPU

  cudaMallocManaged(&x, N*sizeof(float));

  cudaMallocManaged(&y, N*sizeof(float));

  // initialize x and y arrays on the host

  for (int i = 0; i < N; i++) {

    x[i] = 1.0f;

    y[i] = 2.0f;

  }

  // Run kernel on 1M elements on the GPU

  add<<<1, 1>>>(N, x, y);

  // Wait for GPU to finish before accessing on host

  cudaDeviceSynchronize();

  // Check for errors (all values should be 3.0f)

  float maxError = 0.0f;

  for (int i = 0; i < N; i++)

    maxError = fmax(maxError, fabs(y[i]-3.0f));

  std::cout << "Max error: " << maxError << std::endl;

  // Free memory

  cudaFree(x);

  cudaFree(y);

  

  return 0;

}

https://devblogs.nvidia.com/even-easier-introduction-cuda/

 

虚拟机内编译运行：

# /usr/local/cuda-9.1/bin/ nvcc add.cu -o add_cuda

# ./add_cuda

# /usr/local/cuda-9.1/bin/nvprof ./add_cuda

运行结果：

从运算结果看出，我们在虚拟机内部运行的程序确是执行在Tesla P4上。之后我们就可以在虚拟机内部运行深度学习的算法了。

 

============================================================================

关注微信公众号【虚拟化云计算】，阅读更多虚拟化云计算知识，纯技术干货更新不停。