启动HCCL-Controller

HCCL-Controller配合Volcano、Ascend Device Plugin（启动参数volcanoType设置为true）一起使用，按照训练任务章节下各训练框架“创建yaml文件”章节中获取的训练任务yaml模板下发NPU训练任务时，会默认生成格式为“模板一”的昇腾AI处理器资源配置文件（即Rank table文件）。模板格式详见《CANN TensorFlow 1.15网络模型迁移和训练指南》中“手工迁移和训练 > 分布式并行训练 >执行分布式训练”章节的“准备配置文件”的模版一。

操作步骤

以root用户登录K8s管理节点，并执行以下命令，查看HCCL-Controller镜像和版本号是否正确。
```
docker images | grep hccl-controller
```
示例如下：
```
root@ubuntu:# docker images | grep hccl-controller
hccl-controller                      v5.0.RC1              f78993dcf54f        About an hour ago         143MB
```
- 是，执行2。
- 否，请参见1.1.3.1.5.1-制作镜像，完成镜像制作和分发。
将HCCL-Controller软件包解压目录（以“/home/ascend-hccl-controller”为例）下的yaml文件拷贝到K8s管理节点上任意目录（以“/home/ascend-hccl-controller”为例）。如果HCCL-Controller软件包在K8s管理节点上解压，可以不用进行拷贝操作。
```
cd /home/ascend-hccl-controller
scp root@{软件包解压节点IP地址}:/home/ascend-hccl-controller/hccl-controller-v{version}.yaml ./
```
如不修改组件启动参数，可跳过本步骤。否则，请根据实际情况修改对应启动yaml文件中HCCL-Controller的启动参数。启动参数请参见表1，可执行./hccl-controller -h查看参数说明。

执行以下命令，启动HCCL-Controller。

kubectl apply -f hccl-controller-v{version}.yaml

启动示例如下，出现Running表示组件启动成功：

root@ubuntu:/home/ascend-hccl-controller# kubectl apply -f hccl-controller-v5.0.RC1.yaml 
serviceaccount/hccl-controller created
clusterrole.rbac.authorization.k8s.io/pods-hccl-controller-role created
clusterrolebinding.rbac.authorization.k8s.io/hccl-controller-rolebinding created
deployment.apps/hccl-controller created
root@ubuntu:/home/ascend-hccl-controller# kubectl get pod -n mindx-dl
NAME                               READY   STATUS    RESTARTS   AGE
...
hccl-controller-5d484dcc68-wfvrr   1/1    Running   0          11s
...

参数说明

表1 HCCL-Controller启动参数
参数	类型	默认值	说明
-jobParallelism	int	1	job任务的并发数，范围为[1，32]。
-podParallelism	int	1	Pod任务的并发数，范围为[1，32]。
-version	bool	false	HCCL-Controller二进制版本号。
-json	string	v2	HCCL-Controller生成的ranktable文件模板。 v1：表示模板二。 v2：表示模板一。
-logLevel	int	0	日志级别： -1：debug。 0：info。 1：warning。 2：error。 3：critical。
-maxAge	int	7	日志备份时间限制，范围为[7，700]，单位为天。
-logFile	string	/var/log/mindx-dl/hccl-controller/hccl-controller.log	日志文件。说明：单个日志文件超过20 MB时会触发自动转储功能，文件大小上限不支持修改。
-maxBackups	int	30	转储后日志文件保留个数上限，范围为(0，30]，单位为个。
-h或者-help	无	不涉及	显示帮助信息。

父主题： 常用操作