开宗明义
现阶段，CPU与GPU搭配的异构计算组合仍然是AI算力中心的首选。在业界AI实际应用中，GPU硬件在业务弹性支撑能力、资金投入产出、能耗和IT架构等方面仍然痛点明显。
CPU和GPU的地位区别较大，一个是必需品，一个是加速器。CPU时刻都在运行，而GPU作为附加在计算机当中的设备（device），只有在需要时才被调用。因此，高效利用GPU资源的关键就在于按需调用、用完释放，且不用关心GPU资源够不够、从哪儿来。
GPU虚拟化 vs GPU池化
业界一直在对如何更优化地使用GPU资源进行探索。然而，大多数方案都没有解决上述最关键的问题。
这条不断探索的道路，可按技术突破分为简单虚拟化、任意虚拟化、远程调用和资源池化四个阶段。
阶段一，简单虚拟化：将物理GPU按固定比例切分成多个虚拟GPU，比如1/2或1/4,每个虚拟GPU的显存相等，算力轮询。
阶段二，任意虚拟化：仍然是以单机GPU虚拟化为目标，但是通过一些技术手段支持物理GPU的从算力和显存两个维度灵活切分，实现自定义大小，满足AI应用差异化需求。
阶段三，远程调用：重要技术突破在于支持GPU的跨节点调用，AI应用可以部署到数据中心的任意位置，不管所在的节点上有没有GPU。在该阶段，资源纳管的范围从单个节点扩展到由网络互联起来的整个数据中心，是从GPU虚拟化向GPU资源池化进化的里程碑。
阶段四，资源池化：关键点在于按需调用，动态伸缩，用完释放。借助池化能力，AI应用可以根据负载需求调用任意大小的GPU，甚至可以聚合多个物理节点的GPU；在容器或虚机创建之后，仍然可以调整虚拟GPU的数量和大小；在AI应用停止的时候，立刻释放GPU资源回到整个GPU资源池，以便于资源高效流转，充分利用。
通过以上技术分析可见，传统的GPU虚拟化技术，或者叫GPU切片技术，基本上还是基于硬件的思维，只能对本地物理机上的GPU进行虚拟切割。而基于整个数据中心范围的GPU资源池化，不仅可以支持本地GPU虚拟化，而且还能打破单机资源调度的物理边界，让用户透明使用任意物理机上、任意数量的GPU资源，按需灵活调用，用完立即释放，极大地提升了昂贵GPU的利用率和业务的灵活度。
OrionX与其他开源方案的对比
在这条技术探索道路上，业界已经提出一些解决GPU共享问题的开源方案，接下来让我们从不同角度来探究这些方案的利弊。
1、基础架构对比
开源方案解决的是GPU共享问题，最多仅做到阶段二（任意虚拟化）。这类方案基本都是基于NVIDIA官方插件(NVIDIA/ K8S -device -plugin)进行改造，在保留官方功能的基础上，通过device-plugin插件对业务容器内注入vGPU配置参数，实现对GPU的显存和计算单元进行限制的目的，从而在一个物理GPU上模拟出多张小的vGPU卡。在K8S集群中，采用扩展调度器（Scheduler）对这些切分后的vGPU进行调度，使不同的容器可以共享同一张物理GPU，提高GPU的利用率。
由此，我们可以看到，这类方案①仅支持K8S平台，②仅单机虚拟化。
趋动科技OrionX AI算力资源池化解决方案已经实现了GPU资源池化，即阶段四。它在软件架构上采用数据面 控制面结合的方式——数据面包括OrionX Client Runtime（即AI应用或用户进程）与OrionX Server Service（即接管GPU之后将GPU虚拟化抽象）两个组件，两者之间交换计算信令，一个Client可以与本机的Server通信，也可以与远端的Server通信，甚至可以同时与多个Server通信，通信的过程其实就是调用GPU计算的过程。如此一来，从OrionX Client的视角看到的就是一个大资源池，任一Client都可以实现前面所说的按需灵活调用的效果。
控制面包括OrionX Controller和OrionX GUI两个组件，用于与前面的Client和Server交换控制信令，达到分配、调度并管理整个集群内部所有GPU资源的目的。
由此，我们可以看到：①OrionX AI算力资源池化解决方案的这套架构不仅可以支持K8S，还能全面支持KVM及物理机，适用范围更广。②突破了传统GPU虚拟化技术只能支持单机GPU共享的限制，融合了GPU共享、聚合和远程使用等多种能力，打造全能型软件定义GPU。
2、安全性对比
开源方案采用的是CUDA调用拦截。通常情况下，用户的AI应用程序会调用CUDA API，进而调用GPU硬件进行并行计算。libcuda.so 是用户态下最终会被调用的Driver API 库，它的接口公开但是实现细节闭源。开源方案实现了一个类似的动态库，例如libvendor-cuda.so ，劫持了应用程序对CUDA Driver API的调用，并且把调用转发给真实的GPU原厂的libcuda.so。在转发的过程中，绝大部分的API可以直接透传，而对少量API进行流控和修改。具体如下图所示：
为了实现这样的效果，这类开源方案的左、中、右三层必须处在同一个容器内部，而且访问权限一致。那么，问题来了，由于处在同一容器，用户是完全有可能绕过中间的限制，去直接触达原生CUDA的，进而霸占整个物理GPU。这个行为不一定是高深的黑客技术，也许用户只是出于业务需要，从外面挂载一个libcuda.so文件，或者只是重定向一下链接库的路径，比如：export LD_LIBRARY_PATH等。然后，开源方案所谓的“限制”、“隔离”、“共享”就瞬间破防了。破防的后果显而易见，GPU原本是可以被多用户共享的，现在该用户可以肆意挤占其他用户的资源，其他用户的程序会因为资源不足而报错（比如OOM）。
OrionX AI算力资源池化解决方案同样有CUDA调用拦截，但是相较于开源方案，由于采用了C/S架构（OrionX Client Runtime与OrionX Server Service），它将用户应用与底层原生的CUDA分别封装在了两个进程空间内。首先，这从根源上杜绝了用户直接触达原生CUDA的可能性，因为他们分属在两个不同的进程空间中。其次，OrionX对GPU进行虚拟化抽象，且细粒度切分与供给是在Server端进行的，OrionX Server实时与控制端OrionX Controller保持心跳，全方位监控所有OrionX Client端的行为，任何非法的操作都会被拒绝。所以，用户的任何行为仅仅只在自己所在的进程空间生效，他做的任何篡改行为都是无效的，资源的分配还是按OrionX AI算力资源池化解决方案的既定逻辑执行。篡改行为最恶劣的后果就是自己的程序出错、无法运行，其他用户压根不受影响。因此，OrionX的安全性是其他方案无法比拟的。
3、资源复用对比
共享方案最直接的目的就是提高GPU的利用率，实现降本增效。利用率的提高，除了把物理GPU切分成更细小的虚拟GPU外，还有更重要的一点就是资源的动态释放。如果虚拟GPU分配出去之后依然是被独占的，哪怕AI业务处于闲置状态也无法动态释放资源，那么GPU利用率的提升是很有限的。
具体来看一下开源方案，在前文<基础架构>中，我们介绍过，这类方案是通过device-plugin插件对业务容器内注入vGPU配置参数的形式来定义这个业务用多少GPU资源的。那么这个注入的动作是要在容器运行前就进行的，换句话说就是容器一启动，这个vGPU就要被挂载进去。容器启动之后就依靠里面的libvcuda.so进行资源限制，device-plugin就不再介入容器的运行了。因此，可以看到挂载进去的这个vGPU是一个“静态”的形式，既不能动态调节它的大小，也不能动态释放资源，直到这个容器消亡。
OrionX AI算力资源池化解决方案刚好克服了这些缺陷。由于提供算力分配与供给的是OrionX Server Service这个组件，它既能分配，也能回收。OrionX Server可以根据业务需求提供“静态”与“动态”两种分配形式。
所谓“动态”，就是在这个容器的生命周期当中，虚拟GPU是可以被调节大小与数量的，一旦任务运行结束（CUDA指令发送完成），那么被占用的虚拟GPU资源立即释放。这是由于OrionX Server与OrionX Client保持数据面的通信，会实时感知来自OrionX Client的需求变化、任务启动等动作，并给出相应反馈。通过这些动态的特性，GPU资源可以更加高效地流转，实现GPU用完立即释放。
写在最后
OrionX AI算力资源池化解决方案完全支持裸机、虚拟机、容器以及K8S等多种环境的完整的资源池化，支持CPU和GPU解耦、弹性适配、按需调用，是一套完善的企业级GPU池化解决方案，站在整个数据中心的高度解决GPU利用率低、成本高、分配与管理难等问题。这一套方案与开源方案不在同一维度，其技术优势及安全性远不是基于容器的开源方案通过K8S的2个插件做到卡的切分就能比肩的。
