關鍵字: GKE, cluster autoscaler, HPA, Alias IP VPC (VPC Native)
影響: 部署卡住,節點與 Pod 都沒有辦法自動擴展
自作團隊使用 GKE 作為其 Kubernetes 平台,某天收到回報發現有些 Pod 部署上卡住沒有起來,過往只有幾分鐘的部署時間當下花了將近一個小時還沒有辦法順利起來。基於過往的部署經驗,通常都會是 ConfigMap, Secret 或是錯誤的 nodeSelector 才會導致這些情況,但是這次的情況不太一樣,
因為有一半左右的 Pod 可以正確起來,有一半的則是都停留於 pending 狀態,這些狀況不太像是上述原因造成的。
作者透過 describe 去檢查後發現當下叢集內 256 個節點中沒有半個節點可以使用,而這些節點又是依賴 GKE Cluster Autoscaler 來管理,因此作者轉往這邊去尋找相關蛛絲馬跡,最後發現到 IP 用完的錯誤訊息。
作者表示無法想像為什麼 65536 個 IP 會被使用,簡單估算一下團隊內使用的數量大概就是千位等級而已,距離六萬還是一段遙遠的距離。
根據 GKE 的文件,每個節點預設都可以部署 110 的Pod,因此假設 63356 個 IP 可以用, 65536/110 ~= 595 ,這意味 Cluster autoscaler 至少要可以分配 595 個節點,而不是當前的 256 個節點而已。最後查到另外一份 GCP 文件表示, kubernetes (GKE) 會針對可用 Pod 的數量去分配兩倍空間的 subnet,這部分主要作為一個緩衝區,來面對Pod反覆的移除與加入。
透過這樣的計算, GCP 要分配至少兩倍的 subnet,所以本來 110 個 Pod,就要分配至少 220 個IP,而 220 對應到 subnet 上最近接的量就是/24, 也就是256個
因此 65536/256 =256 就得到為什麼最後只能有 256 個節點。
文末也列出了一些可能性解法,有興趣的可以參考
https://deploy.live/blog/when-gke-ran-out-of-ip-addresses/
可用ip計算 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I
可用ip計算 在 Facebook 的最讚貼文
被大家敲碗敲到破的~「MY FIRST BOOK蒙特梭利布書」
開❗️賣❗️啦❗️🥳🥳🥳
/
這本書我在三寶飯快兩歲時就買了
因為當時也覺得不便宜,所以只選了一本「星空限量版🚀」(最貴的🤣)
買了之後發現,這本布書,家家戶戶至少都該有一本來鎮住小孩😂
如果經濟許可,包套十本也是個很明智的決定!!!
因為它真的太太太太好玩、太值得買了~
加上每本都 #手工製作 ,細節及質感都很精緻❤️
然後包裝就是一個書包🎒
所以等於買一本書,就送一個書包
這樣看來,其實這個價格也蠻合理的😎
/
這系列書,主要就是在寶寶發展的重要階段,藉由生活中的大小事,有趣的融合在布書裡,訓練手眼協調,鍛鍊小肌肉,讓小手更靈活。
/
每本書的內容不太一樣,會有扣扣子、拉鍊、鈎扣、魔術貼、蝴蝶扣、旗袍扣、皮帶扣、別針、鞋帶、編辮子、找形狀、對數字、顏色辨別,還有穿衣和梳洗等手部肌肉練習小遊戲。
#貫徹孩子自理能力的學習方式
甚至有幾本內容還有,讓家長與孩子互動的頁面小遊戲,例如:圈圈叉叉、記憶遊戲、時鐘遊戲。
/
那,為什麼會有這本書呢?
其實是因為香港的小朋友在上學以前是被禁止拿筆的,手部小肌肉群根本沒有受過訓練,一旦開始上課,老師會要求小朋友必須快速的學習怎麼握筆,在手部肌肉尚未訓練之前,這項任務根本是不可能達成的。
/
因此MY FIRST BOOK蒙特梭利布書的創立者ELLA SUEN與香港精靈文化傳播公司開發研發設計。一經問世,立即風靡了全球早教界。設計者透過自己在美國、香港的不斷深造,努力鑽研專業的教育學理論,並擁有在香港國際學校、蒙特梭利學校、特殊兒童學校的實戰教學經驗,專業的教育學背景及多元化的國際教育視野,不斷加深著對兒童的研究與了解。
/
遵守兒童的敏感期理論,結合了兒童早教的理論以及在蒙特梭利學校教學中受到的啟發,能夠在實踐中探索,積極思考,並開發了這套專業教材,能鍛煉兒童小肌肉技巧,及實際生活技巧,同時培養幼兒善於發現及專注,獨立思考能力,為將來孩子的成長打下良好的素質基礎,激發兒童潛能的兒童操作布書。
/
布書裡的內容及元件,設計巧妙,適當的大小,讓寶寶輕鬆訓練精巧手握能力。內容都可參考開團網址裡的影片,依照家裡的孩子的需求來挑選階段。
/
💜布書總共10冊,適用0-7歲孩子使用。
(每一階段的書本內容皆相同,僅書面顏色不同)
1⃣️第一冊-生活常規篇(0-3歲)
【新生紅&海洋藍】
2⃣️第二冊-蒙式衣飾篇(3-6歲)
【軍艦綠&葡萄紫】
3⃣️第三冊-宇宙探索篇(4-7歲)
【限量星空款】
4⃣️第四冊-馬戲團篇(3-6歲)
【火焰紅】
5⃣️第五冊-美味料理篇(0-3歲)
【淺藍&淺粉】
6⃣️第六冊-童話故事篇(0-3歲)
【城堡綠&小馬紫】
💖特別冊-勇敢公主篇(2-6歲)
【公主淺粉色】
🦈特別冊-BABY SHARK(2歲以上)
【Baby shark黃&Daddy Shark藍&Mommy Shark粉】
#碰碰狐PINKFONG官方正版授權IP聯名款
🐕動物冊-柴犬篇(0-3歲)
【柴犬篇】
#2021最新款_忙碌的農場
★ ★ 愛麗絲x三寶飯首賣預購 ★ ★ (想要買且願意等待的人客,請直接私訊我💌 約年後才會到貨)
/
💜安全檢驗報告:
✔️外盒附防偽條碼,保證每一本都是正版
✔️書包即是包裝,時尚又輕巧,省去購買書包的預算
✔️此產品所有布料皆可放入洗衣袋入機清洗
✔️台灣玩具檢驗中心TCC測試合格
✔️歐洲玩具質量安全測試標準
✔️德國含致癌成份之染料測試標準(AZO FREE)
✔️美國玩具質量安全測試標準(ASTM)
✔️美國兒童產品安全測試CPC證書
✔️美國消費者委員認證
✔️甲醛檢測合格證書
✔️中國質量檢測CQC
/
🧽清洗說明:
(布書為布類製品,清洗會造成消耗,請依個人使用狀況判斷)
拆下所有配件丟入洗衣袋
➡️布書本體丟入洗衣袋
➡️洗衣機加入一般洗劑(不得使用護色、漂白效果洗劑)
➡️洗衣機設定柔洗(勿浸泡)
➡️洗完自然風乾,可用除濕機輔助(勿直曬太陽)
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
|開團時間|⏱ 即日起-1/26 23:59截止
|團購網址|🔗
https://www.seedvillageglobal.com/ecommerce/tri.html
|包套連結|🔗
https://www.seedvillageglobal.com/ecommerce/all.html
(包套價:20187元。包套即贈兩隻恐龍+兩本繪圖練習冊)
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🚛發貨時間:當日14:00前付款完成,當日即發貨,假日不發貨。
#可刷卡_可匯款_可LinePay支付
#滿3000元免運
#本島1到2日可收到
#海外外島訂購需重新計算運費(請先與我們聯繫再付款)
#豪華版內容為一本圖畫練習冊與一支隨機顏色恐龍
若有任何疑問歡迎加入官方LINE聯繫
ID: @mfbtaiwan
可用ip計算 在 我的網路筆記外傳-子網路切割快速計算法 - 佛系筆記 的推薦與評價
在IPv4 的協定下,IP 位址是由4 個8 位元組成的數字來表達, ... 是預設的主機及廣播位址無法使用,所以每個數字可用的IP 位址變化只有254 個( 256-2. ... <看更多>