はじめに
研究室内のPCサーバ内にJupyterHub環境を構築し，メンバーが空いているGPUマシンのリソースを自由に用いることができるようにすることで，作業効率が向上すると考え，今回はGPUマシンを贅沢に4台も使って，作ってみることにした．
しかし，せっかくGPUマシンを4台も用意したところで，複数人で作業する時に上手くリソースを配分できなければ，使われていない領域は無駄になってしまう．
そこで，GPUのリソースを最大限，有効活用するために，複数のGPUをクラスタ化する方法について，色々検証していこうと思う．
使用機材について
PCスペック
CPU:Core i9-11900K プロセッサー (3.50-5.30GHz/8コア/16スレッド/16MBキャッシュ/TDP 125W)
GPU:NVIDIA GeForce RTX 3070 8GB GDDR6
メモリ：DDR4-3200 32GB×4
ディスク：2TB SSD / NVMe M.2 [PCIe 4.0×4] + 4T HDD
水冷
計4台
LANスイッチングハブ
TP-Link TL-SX1008 (8ポート 10G)
Ubuntuインストール
1.UbuntuのライブUSBを作成
下記のサイトを参考にして，UbuntuのOSイメージが入ったUSBメモリを作成
MacでUbuntuのライブUSBを作ってインストールするまでの流れ
2.ライブUSBを用いて，PCにUbuntuをインストール
-
USBメモリを挿し，PCを起動する．（ここで筆者たちはHDMIケーブルの不具合で，モニターが映らず１時間ぐらい苦戦しました笑）
-
起動して待機していると，下記のような画面になる.
-
画面の指示に従って，OSのインストールを行う．
ssh接続
ubuntuを導入した４台のPCのうち３台をサーバ，１台をクライアントとして１台から残りの３台にアクセスできるようにする．
これは後にGPU-Clusterとしてジョブを割り当てる際に必要になる設定でもあり，これから先インストールするモジュールなどを４台同時にインストールできるようにして仕事効率を上げるためでもある．
手順を以下に示す
1. クライアントとサーバの設定
これは以下のサイトの手順通りに行なった．
公開鍵認証でのssh接続
この通りに作業を行うことで簡単にssh接続することができた.
2. サーバでのアクセス可能クライアントの制限
サーバとするPCでAllowUserの設定を行なった．これは，クライアントPC以外からのssh接続を無効にするためである．
AllowUserまたはGroupの設定方法
後に，研究室のPCからGPU-Clusterにアクセスできるよう，クライアントとしているPCにも同様の設定を行う．
イメージ
クライアントPCからサーバPCにssh接続してみた
無事1台のクライアントPCから他3台のサーバPCにssh接続することができました！
次にやること
次回は,以下のサイトを参考にしながら，それぞれのGPUにKubernetes，Dockerをインストールしていこうと思う．
Docker環境構築
Kubernetes環境構築