Top Layout Campaign banner

تغییرات اخیر

در اینجا اطلاعیه‌ها، نسخه‌ها و تغییرات جدید لیارا فهرست می‌شوند.

اجرای کانتینرهای ابری با رویکرد Docker Offload


۲۵ مرداد ۱۴۰۴

خلاصه کنید:

openaigeminiperplexity

Docker Offload یک سرویس کاملاً مدیریت‌شده است که به شما امکان می‌دهد کانتینرها را در فضای ابری اجرا کنید، در حالی که تجربه توسعه locally خود را حفظ می‌کنید.
این سرویس، زیرساخت ابری را به‌صورت درخواست‌محور (On-Demand) فراهم می‌کند تا بتوانید بیلدهای سریع و پایدار داشته باشید، و همچنین بارهای پردازشی سنگین مانند اجرای مدل‌های زبانی بزرگ (LLM)، پایپ‌لاین‌های یادگیری ماشین را اجرا کنید.
این گزینه زمانی ایده‌آل است که بخواهید از منابع ابری استفاده کنید یا سخت‌افزار سیستم محلی شما توانایی اجرای مدل را به‌صورت لوکال نداشته باشد.

اجرای کانتینرهای ابری با رویکرد Docker Offload

قابلیت‌های کلیدی

  • بیلدهای ابری: اجرای بیلدها روی نمونه‌های BuildKit مدیریت‌شده و ریموت
  • کش بیلد مشترک: تسریع فرآیند بیلد بین سیستم‌ها و اعضای تیم با یک لایه کش هوشمند و اشتراکی
  • سازگار با VDI: امکان استفاده از Docker Offload در محیط‌های دسکتاپ مجازی یا سیستم‌هایی که از مجازی‌سازی تو در تو (Nested Virtualization) پشتیبانی نمی‌کنند
  • پورت فورواردینگ و Bind Mounts: حفظ تجربه توسعه‌ی محلی حتی هنگام اجرای کانتینرها در فضای ابری
  • ارتباط امن: برقراری تونل‌های رمزگذاری‌شده بین Docker Desktop و محیط‌های ابری همراه با پشتیبانی از مدیریت امن Secretها و Pull کردن Imageها

چرا باید از Docker Offload استفاده بکنیم؟

  • انتقال بیلدها و اجرای سنگین به زیرساخت سریع و مقیاس‌پذیر و همچنین شتاب‌بخشیدن به چرخه‌ی بازخورد در توسعه و تست
  • اجرای کانتینرهایی با نیازمندی منابع بیشتر از آنچه سیستم محلی شما ارائه می‌دهد
  • ساخت و اجرای اپلیکیشن‌های هوش مصنوعی با دسترسی فوری به محیط‌های مجهز به GPU
  • مدیریت اپلیکیشن‌های پیچیده و چندسرویسی با استفاده از Docker Compose در فضای ابری
  • حفظ محیط‌های یکپارچه و پایدار بدون نیاز به مدیریت زیرساخت اختصاصی

فعال سازی

اولین قدم این است که نسخه مناسب Docker Desktop را نصب کنیم. نسخه مورد نیاز ۴.۴۳ به بالا است.

برای دسترسی به سرویس Docker Offload لازم است ابتدا در این سرویس ثبت‌نام کنید و سپس اشتراک مربوطه را فعال نمایید تا بتوانید از تمام امکانات و قابلیت‌های آن بهره‌مند شوید.

سپس می‌توانید با استفاده از دستور زیر، این سرویس را اجرا کنید:

$ docker offload start

سپس لازم است حساب Docker خود را برای استفاده از Docker Offload انتخاب کنید.

وقتی از شما خواسته شد، مشخص کنید که آیا می‌خواهید پشتیبانی از GPU فعال شود یا خیر. در صورت فعال‌سازی این گزینه، Docker Offload در یک نمونه‌ی مجهز به کارت گرافیک NVIDIA L4 اجرا خواهد شد که این ویژگی برای انجام وظایف یادگیری ماشین یا پردازش‌های سنگین محاسباتی بسیار مفید است.

فعال سازی پشتیبانی از GPU در Docker Offload

اجرای کانتینرها با استفاده از Docker Offload

پس از اینکه Docker Offload را راه اندازی کردید، Docker Desktop به یک محیط ابری امن متصل می‌شود که تجربه‌ای مشابه با محیط محلی شما ارائه می‌دهد. هنگامی که بیلدها یا کانتینرها را اجرا می‌کنید، عملیات به‌صورت Remote انجام می‌شوند، اما رفتار و عملکرد آن‌ها دقیقاً همانند اجرای محلی خواهد بود.

برای اطمینان از اینکه Docker Offload به درستی فعال و در حال کار است، یک کانتینر را اجرا کنید:

$ docker run --rm hello-world

اگر گزینه‌ی پشتیبانی از GPU را فعال کرده‌اید، می‌توانید یک کانتینر مجهز به GPU نیز اجرا کنید:

$ docker run --rm --gpus all hello-world

درنهایت پس از انجام کارهای خود، می‌توانید با استفاده از دستور زیر، این قابلیت را غیرفعال کنید:

$ docker offload stop

جمع بندی

استفاده از Docker Offload بیشتر برای توسعه‌دهندگانی منطقی است که با پروژه‌های سنگین، بیلدهای زمان‌بر یا پردازش‌های پیچیده کار می‌کنند؛ چون امکان اجرای کانتینرها روی زیرساخت ابری را فراهم می‌کند، بدون اینکه تجربه توسعه محلی از بین برود. در مقابل، اگر پروژه سبک است یا محدودیت‌هایی مثل اینترنت و هزینه وجود دارد، استفاده از آن الزام خاصی ایجاد نمی‌کند و همان محیط لوکال می‌تواند کافی باشد.

در سطح کلی‌تر، ابزارهایی مثل Docker Offload نشان‌دهنده یک تغییر تدریجی در مدل توسعه هستند؛ جایی که بخشی از فرآیند اجرا و بیلد به سمت محیط‌های ابری منتقل می‌شود و توسعه‌دهنده کمتر درگیر محدودیت‌های سخت‌افزاری سیستم شخصی است. این رویکرد در پروژه‌های مبتنی بر هوش مصنوعی، معماری‌های میکروسرویس و تیم‌های توزیع‌شده بیشتر دیده می‌شود و به مرور دارد به یکی از الگوهای رایج در جریان‌های مدرن DevOps تبدیل می‌شود.

به اشتراک بگذارید

Blog Campaign banner