개요
It can improve sharing for smaller workloads, but profile support and isolation boundaries depend on the GPU and configuration.
심층 분석
MIG was introduced with the NVIDIA A100 and is supported on selected later GPUs. A GPU Instance groups compute and dedicated memory resources, including assigned paths through cache and memory hardware. On an A100 40 GB, supported layouts can provide up to seven small GPU Instances or fewer larger ones. Compute Instances can further divide compute resources inside a GPU Instance while sharing its memory resources. This differs from ordinary software time slicing, but does not imply immunity from every device-level fault or interference in the wider host and service. Workload capacity, supported profiles, and operational constraints should be tested on the actual GPU.
실제 구현
클라우드 공급자는 하나의 A100을 7개의 인스턴스로 분할하여 7명의 고객 각각이 추론을 위해 보장되고 격리된 GPU 슬라이스를 얻습니다.
대학 연구 클러스터는 전체 카드를 독점하는 대신 프로토타입 제작을 위해 각 박사 과정 학생에게 10GB MIG 인스턴스를 제공합니다.
추론 서비스는 여러 개의 작은 언어 및 비전 모델을 하나의 H100에 압축합니다. 각 모델은 예측 가능한 대기 시간을 갖는 자체 파티션에 있습니다.
Kubernetes 클러스터는 MIG 인스턴스를 예약 가능한 리소스로 광고하므로 포드는 다른 리소스와 마찬가지로 'nvidia.com/mig-1g.5gb'를 요청합니다.
멀티 인스턴스 GPU 파티셔닝의 미래
GPU가 80GB, 141GB 이상으로 성장함에 따라 개별 모델이 추론을 위해 전체 카드가 거의 필요하지 않기 때문에 파티셔닝이 더욱 매력적이 됩니다. 더욱 긴밀해진 Kubernetes 및 클라우드 통합, 노드를 소모하지 않는 동적 재분할, 더욱 세분화된 프로필을 기대하세요. 경쟁 공급업체는 유사한 SR-IOV 스타일 GPU 가상화를 추구하고 있으며, 서버리스 추론 플랫폼은 많은 모델을 조밀하게 포장하고 유휴 낭비를 줄이기 위해 파티셔닝에 점점 더 의존하고 있습니다.
실천에 옮기기
왜 중요한가요?
- 비용 및 예산. 아키텍처 결정은 수년 동안 성능과 운영 비용을 결정합니다.
- 더 명확한 결정들. 기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다.
- 품질 관리. 더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다.
조심하세요
- 하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다.
- 인프라 및 유지 관리 비용은 종종 과소평가됩니다.
- 시스템이 더욱 복잡해짐에 따라 보안 및 관찰 가능성의 격차가 커질 수 있습니다.
다음 단계
- 구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요.
- 현실적인 로드 및 데이터 조건에서 벤치마킹합니다.
- 오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링.
- 확장하기 전에 롤백 및 사고 대응 경로를 준비하세요.
계속 탐색하세요
무료 뉴스레터
일일 AI 브리핑 받기
매주 평일 아침마다 3개의 검증된 AI 스토리를 일반 영어로 작성합니다. 무료이며, 광고 없음.
매주 평일마다 한 번 이메일을 받습니다. 한 번 클릭으로 구독 해지. 주소를 판매하거나 공유하지 않습니다.
자신을 테스트해 보세요
Take the Multi-Instance GPU Partitioning quiz
모든 답변에 즉각적인 피드백과, 과정을 통과하면 검증 가능한 ID가 있는 공유 가능한 인증서를 제공합니다.
무료 AI 교육을 지원합니다. AI Understanding는 501(c)(3) 비영리 단체입니다 — 광고 없음, 유료 장벽 없음, 영원히. 기부하기
자주 묻는 질문
What is Multi-Instance GPU Partitioning?
NVIDIA Multi-Instance GPU partitions supported GPUs into instances with assigned compute and memory resources. It can improve sharing for smaller workloads, but profile support and isolation boundaries depend on the GPU and configuration.
Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
MIG assigns hardware resource slices. Compute Instances within a shared GPU Instance have a different boundary, and device-level faults are not universally eliminated.
MIG가 처음 도입된 NVIDIA 아키텍처는 무엇입니까?
MIG는 Ampere 기반 A100으로 데뷔했으며 H100 및 이후 데이터 센터 GPU에서 계속되었습니다.
On an A100 40 GB using supported small-instance profiles, how many GPU Instances can a layout provide?
The A100 supports layouts of up to seven GPU Instances. Maximum counts and profiles should not be generalized to all GPU models.
'1g.5gb'와 같은 MIG 프로필에서 '5gb'는 무엇을 의미하나요?
프로필은 인스턴스에 제공된 컴퓨팅 슬라이스(1g)와 전용 메모리(5GB)를 인코딩합니다.
MIG는 어떤 워크로드에 특히 적합합니까?
MIG는 다수의 작고 격리된 워크로드(추론 등)가 서비스 품질이 보장된 하나의 카드를 공유할 때 빛을 발합니다.