GPU ホスト メンテナンス イベントを処理する

Compute Engine が画像処理装置（GPU）が接続されている仮想マシン（VM）でメンテナンスを実行する場合、VM を停止する必要があります。これは、GPU が接続された VM をライブ マイグレーションできないためです。

これらの VM については、ホスト メンテナンス イベントの際に停止するよう設定する必要があります。停止した VM をメンテナンス イベントの完了後に自動的に再起動するように設定できます。

ホスト メンテナンス イベントは通常 2 週間に 1 回発生しますが、これより頻繁に行われる場合もあります。

このドキュメントでは、メンテナンス イベント中のワークロードの中断を最小限に抑える方法について説明します。

メンテナンス イベントの前に事前通知を受け取る

仮想マシン（VM）インスタンスのメンテナンス スケジュールをモニタリングし、システムの再起動でワークロードの移行準備を整えることができます。

ホストイベントについて事前に通知を受け取るようにするには、/computeMetadata/v1/instance/maintenance-event メタデータ値をモニタリングします。メタデータ サーバーに対するリクエストによって NONE が返された場合、VM は停止するようにスケジュールされていません。たとえば、VM 内から次のコマンドを実行します。

curl http://metadata.google.internal/computeMetadata/v1/instance/maintenance-event -H "Metadata-Flavor: Google"

NONE

メタデータ サーバーから TERMINATE_ON_HOST_MAINTENANCE が返された場合、VM の停止スケジュールが設定されています。Compute Engine は GPU VM に 1 時間の停止通知を送信します。一方、通常のインスタンスが受け取るのは 60 秒の通知のみです。メンテナンス イベントを通じて移行するようにアプリケーションを構成します。たとえば、次のいずれかの方法を使用できます。

• 進行中の作業を Cloud Storage バケットに一時的に移動するようにアプリケーションを構成し、VM の再起動後にそのデータを取り出します。

• セカンダリ Persistent Disk にデータを書き込みます。VM が自動再起動した時点で Persistent Disk を再度アタッチし、アプリケーションで作業を再開できます。

次のステップ

• GPU プラットフォームの詳細を学習する。
• VM のグループの管理とスケーリングの詳細については、グループのターゲット サイズを設定するをご覧ください。
• GPU のパフォーマンスをモニタリングするには、GPU パフォーマンスのモニタリングをご覧ください。
• ネットワーク パフォーマンスを改善するには、より高いネットワーク帯域幅を使用するをご覧ください。
• VM のシャットダウンと再起動のトラブルシューティングの方法を確認する。