デプロイ

このデプロイメント・フローを使用して、OOD、Slurm、Identity、Storageサービスを使用して、OCI上の本番対応のHPCおよびAIプラットフォームをプロビジョニングおよび検証します。

次のステップに従います:

1. OCIネットワーキング・ネットワーキング環境を作成します。
2. 共有ストレージサービスを配備します。
3. FreeIPAアイデンティティ・サービスを構成します。
4. Slurmコントローラとログイン・ノードをデプロイします。
5. CPUおよびGPUパーティションの自動スケーリングを構成します。
6. 制御されたイメージ・パイプラインを使用して、CPUおよびGPUゴールデン・イメージを構築またはインポートします。
7. Open OnDemandをデプロイします。
8. Microsoft Entra ID OIDC認証を統合します。
9. バッチ接続アプリケーションをインストールして確認します。
10. モニタリングとアラートを構成します。
11. ブラウザおよびコマンドライン・ワークフローから、ストレージ、スケジューラ、自動スケールおよび対話型アプリケーションを確認します。
12. アップグレード後のランブックおよびロールバック・ランブックを取得します。
13. 検証済の構成およびスクリプトのみをソース・コントロールにプロモートして戻します。

運用用のランブックおよび制御された構成ベースラインを使用して、インフラストラクチャおよびユーザー・ワークフロー・パスにまたがってプラットフォームをデプロイおよび検証しました。

生産準備チェックリスト

このチェックリストを使用して、OCI上のOODベースのHPCおよびAIプラットフォームの本番展開前に、ユーザー対応およびインフラストラクチャの準備状況を確認します。

本番ロールアウトの前に、インフラストラクチャ・レイヤーとユーザー・ワークフロー・レイヤーの両方からアーキテクチャを検証します。

推奨準備状況チェックには、OOD Webバックエンド冗長性、OIDCルーティング動作、Slurmパーティション・カバレッジ、リモート・デスクトップ・プロキシ・ルーティング、自動スケール・ブートストラップ検証、GPUランタイム検証、共有ランタイム一貫性、アップグレード後の互換性チェックが含まれます。

優先度	項目	理由
クリティカル	認証されたブラウザの受け入れ	デスクトップ、コード・サーバー、JupyterLab、シェル、ファイルおよびジョブ・コンポーザのログイン後に、実際のブラウザ・フローを確認します。
クリティカル	GPU Lustreルートの決定	ネイティブLustreをサポートするGPUイメージ・レーンを定義し、パーティション名とユーザー・ガイダンスの選択肢を公開します。
高値	GPUゴールデン・イメージの標準化	コールド・スタート時間、ユーザーおよびグループ・ドリフト、スケジューラ・ランタイム・ドリフトおよびノード側の繰返し修復を削減します。
高値	共有された対話型ランタイム・ガバナンス	パーティション間の/appsなど、共通パスで共有ランタイムをバージョニングおよび検証します。
高値	プロジェクトおよびラボ・グループ・ガバナンス	マルチテナント・アクセス制御、割当て制限の所有権、チャージバック操作またはショーバック操作を強制します。
高値	OODのアップグレード後のパッチ適用の自動化	将来のOODアップグレード後のリピート回帰を防止します。