[GCP:VM] VM Not Found Error Due to ZONE_RESOURCE_POOL_EXHAUSTED

[powerkimhub]

cc: @seokho-son @yunkon-kim

• 드물게, VM이 생성되지 않는 오류가 발생하고 있습니다. (표면상: VM not found 에러 반복)

[VM 생성시 현황]

• VM 생성시 생성 요청은 성공적으로 반환을 받습니다.
  • 관련 코드 위치:

    cb-spider/cloud-control-manager/cloud-driver/drivers/gcp/resources/VMHandler.go

    Line 470 in 75f73c0

    cblogger.Info("VM 생성 요청 호출 완료")

• 그런데, 다음 위치의 WaitForRun() 내부에서 VM 상태를 얻는데 없는 VM이라고 나옵니다.

  • cb-spider/cloud-control-manager/cloud-driver/drivers/gcp/resources/VMHandler.go

    Line 492 in 75f73c0

    vmStatus, _ := vmHandler.WaitForRun(irs.IID{NameId: vmName, SystemId: vmName})

  • 관련 에러 메시지

    [CB-SPIDER].[ERROR]: 2024-05-03 16:31:42 VMHandler.go:875, github.com/cloud-barista/cb-spider/cloud-control-manager/cloud-driver/drivers/gcp/resources.(*GCPVMHandler).GetVMStatus() - googleapi: Error 404: The resource 'projects/powerkimhub/zones/us-central1-a/instances/deeplearning-vm-test-coq941jp70ipgggvd61g' was not found, notFound
    

[분석]

• VM 생성 요청 시점에 GCP Console로 VM 목록을 refresh 해보면,
• 대상 VM이 잠시 나타났다가 사라집니다.
• GCP Console 로그 탐색기로 오류 트레이싱을 해보면, 다음과 같이
  • ZONE_RESOURCE_POOL_EXHAUSTED 오류가 발생했었음을 알수 있습니다.
  • 

[제안]

• 현재 Spider 사용자는 이유를 알수 없이 VM 생성이 안되는 현상에 빠지게 됩니다.
• 혹시, 드라이버 차원에서 이와 같은 상황을 인지 할수 있고,
• 사용자에게 상황(ZONE_RESOURCE_POOL_EXHAUSTED)에 맞는 정확한 에러 메시지를 제공할 수 있는 지 등 확인 부탁 드립니다.

[seokho-son]

참고로, GPU (특히 비싼) 가 포함된 VM을 생성하는 경우,
특정 존에서 가용 GPU가 부족해서,
지속적으로 pending되거나 사용자가 중단시키도록 요청하는 상황이 발생했었습니다. (GCP 콘솔에서 수행)

[powerkimhub]

참고로, GPU (특히 비싼) 가 포함된 VM을 생성하는 경우, 특정 존에서 가용 GPU가 부족해서, 지속적으로 pending되거나 사용자가 중단시키도록 요청하는 상황이 발생했었습니다. (GCP 콘솔에서 수행)

• 그렇군요. 재현시 참고하면 좋을 것 같습니다.
• 다음 링크의 deeplearning VM 생성 스크립트 참고
  • [GCP] How can a user lookup a vm image which is not in the image list #1184 (comment)

[hippo-an]

안녕하세요. @powerkimhub

동일한 에러 재현을 위해 테스트한 스펙입니다.

• zone : us-central1-a
• vm spec : a2-highgpu-1g
• public image : https://www.googleapis.com/compute/v1/projects/deeplearning-platform-release/global/images/tf-2-15-cu121-v20240417-debian-11

---

• GCP Cloud logging 을 통해서 comput.instance.insert operation 확인 결과
• 요청 발생 로그 시간과 실제 에러가 발생하는 시간의 차이가 있다는 점을 확인하였습니다.

• 이는 구글에서 해당 리소스로 프로비저닝을 진행하는 중 발생하는 에러일 것이며
• 해당 메시지는 instance insert api 요청이 발생하는 시점의 응답 정보 만으로는 확인이 불가능합니다.

  // ...
  op, err := vmHandler.Client.Instances.Insert(projectID, zone, instance).Do()
  // ...
  fmt.Println(op.HTTPStatusCode)  // always 0
  fmt.Println(op.Error)  // always nil
  fmt.Println(op.Status)  // always "RUNNING"

---

• 다만 최초 instance insert 요청시 반환되는 operation 내 정보를 이용해 operation api 를 추가적으로 호출 가능합니다.

  • ZoneOperations.Wait()
    • 작업 상태가 DONE 혹은 최대 2분 동안 기다린 후 결과 반환
  • ZoneOperations.Get()
    • 단일 상태 요청

• 해당 api 를 적절한 방식으로 호출하고, 반환하는 값을 활용해서 operation이 완료된 후 상태와 QUOTA_EXCEEDED, ZONE_RESOURCE_POOL_EXHAUSTED 등 에러 메시지 확인이 가능해 보입니다.

---

• Wait() 메서드가 기다리는 목적을 명확히 할 수 있지만 fetch 상태에 중 로그를 남기는 등의 액션을 위해선 별도의 고루틴이 있어야 하기 때문에
• Get() 메서드의 반복 호출 및 적절한 로그 처리로 해당 operation 에 대한 응답을 기다리는 방법이 좋을 것 같습니다.
• 구글 내부적으로 operation 의 DONE 상태 처리까지 얼마나 걸릴지 모르지만
• 테스트 해본 결과 성공과 실패 여부와 상관없이 DONE 처리는 완료되며, RUNNING 에서 DONE 까지 짧게는 수초에서 길게는 1분 정도까지 대기하게 됩니다.

[hippo-an]

#1125 의 3번 처리 부분이 본 이슈와 관련 있습니다.

(3) 쿼터 또는 자원 부족시 발생할 수 있는 Error Notification 타입 무인식
현재, GCP SDK API가 반환하는 에러로는 에러 발생 상황을 인지하지 못하여,
VM 생성이 완료되기를 반복 호출하다가 timeout 에러 처리됨
=> Operations 실행(VM 생성 호출) 상태를 polling 하도록 반영함

• 테스트 진행

  • zone : us-central1-a
  • vm spec : a2-highgpu-1g
  • public image : https://www.googleapis.com/compute/v1/projects/deeplearning-platform-release/global/images/tf-2-15-cu121-v20240417-debian-11

• 결과

  • 에러 로그와 함께 vm 생성 없이 응답 반환
  • not found 에러 로그 없음

[powerkimhub]

• Fixed in #1125