Ubuntu22.04 server os ML gpu & docker setup Script Backup

2026-08-12 14:43:25 +09:00 · 2025-08-01 01:44:01 +09:00
parent 7a4c888f2e
commit e4a10fdaf0
2 changed files with 591 additions and 2 deletions
@@ -1,2 +1,169 @@
-# gpu-srv-ml-settings-script
-GPU서버 Ubuntu Server OS 기준 세팅 스크립트
+# GPU 학습용 Ubuntu 22.04 Docker 서버 세팅
+
+
+## 📋 개요
+
+Ubuntu 22.04 서버에서 GPU 딥러닝 학습을 위한 Docker 환경을 자동으로 구성하는 스크립트입니다. NVIDIA GPU 드라이버, Docker, NVIDIA Container Toolkit을 포함한 완전한 GPU 학습 환경을 원클릭으로 설치합니다.
+
+## ✨ 주요 기능
+
+### 🚀 자동 설치
+- **NVIDIA GPU 드라이버** 자동 설치 (최신 stable 버전)
+- **Docker** 설치 (공식 get.docker.com 스크립트 사용)
+- **NVIDIA Container Toolkit** 설치 및 설정
+- **Docker Compose** 포함
+
+### 🔧 환경 구성
+- GPU 지원 Docker 런타임 자동 설정
+- 사용자 권한 설정 (docker 그룹 추가)
+- 검증 스크립트 자동 생성
+- GPU 학습용 Docker Compose 예제 제공
+
+
+## 🛠️ 시스템 요구사항
+
+- **OS**: Ubuntu 22.04 LTS
+- **GPU**: NVIDIA GPU (CUDA 지원)
+- **권한**: sudo 권한 필요
+- **네트워크**: 인터넷 연결 필요
+
+## 📥 설치 방법
+
+### 1. 스크립트 다운로드
+```bash
+git clone https://git.promedius.dev/techsupport/gpu-srv-setting-script.git
+chmod +x Ubuntu22.04_gpu_docker_setup.sh
+```
+
+### 2. 설치 실행
+```bash
+sudo bash Ubuntu22.04_gpu_docker_setup.sh
+```
+
+### 3. 시스템 재부팅
+```bash
+sudo reboot
+```
+
+### 4. 설치 검증
+```bash
+# 재부팅 후 실행
+./verify_gpu_setup.sh
+```
+
+## 🧪 검증 결과 예시
+
+설치가 완료되면 다음과 같은 검증 결과를 확인할 수 있습니다:
+
+```bash
+=== GPU 및 Docker 설정 검증 ===
+
+1. NVIDIA 드라이버 확인:
+-----------------------------------------------------------------------------+
+| NVIDIA-SMI 535.xx.xx              Driver Version: 535.xx.xx    CUDA Version: 12.2 |
+-------------------------------+----------------------+----------------------+
+
+2. Docker 버전 확인:
+Docker version 24.x.x
+
+3. Docker Compose 확인:
+Docker Compose version v2.x.x
+
+4. NVIDIA Container Toolkit 테스트:
+[GPU 정보 출력]
+
+5. 간단한 GPU 테스트 (PyTorch):
+PyTorch version: 2.x.x
+CUDA available: True
+CUDA version: 12.2
+GPU device count: 1
+GPU device name: NVIDIA GeForce RTX xxxx
+GPU 연산 테스트 성공!
+```
+
+## 🐳 Docker Compose 예제
+
+설치 후 제공되는 `docker-compose-gpu-example.yml`을 사용하여 즉시 GPU 학습 환경을 시작할 수 있습니다:
+
+### Jupyter Lab with GPU
+```bash
+docker compose -f docker-compose-gpu-example.yml up -d jupyter-gpu
+```
+- **접속**: http://localhost:8888
+- **포함 라이브러리**: TensorFlow, PyTorch, CUDA
+- **토큰 확인**: `docker logs <container_name>`
+
+### PyTorch GPU 테스트
+```bash
+docker compose -f docker-compose-gpu-example.yml run pytorch-gpu
+```
+
+# GPU 테스트
+docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi
+```
+
+## 📊 모니터링
+
+### GPU 사용량 모니터링
+```bash
+# 실시간 GPU 모니터링
+watch -n 1 nvidia-smi
+
+# Docker 컨테이너 GPU 사용량
+docker stats
+```
+
+### Docker 로그 확인
+```bash
+# 특정 컨테이너 로그
+docker logs <container_name>
+
+# Docker 데몬 로그
+journalctl -u docker.service -f
+```
+
+## 🔧 고급 설정
+
+### 사용자 정의 Docker 이미지 빌드
+```dockerfile
+FROM nvidia/cuda:11.8.0-devel-ubuntu22.04
+
+# 필요한 패키지 설치
+RUN apt-get update && apt-get install -y \
+    python3 \
+    python3-pip \
+    git
+
+# Python 패키지 설치
+RUN pip3 install torch torchvision torchaudio
+
+WORKDIR /workspace
+```
+
+### 멀티 GPU 사용
+```yaml
+services:
+  multi-gpu-training:
+    image: pytorch/pytorch:latest
+    deploy:
+      resources:
+        reservations:
+          devices:
+            - driver: nvidia
+              count: all
+              capabilities: [gpu]
+```
+
+## 📈 버전 히스토리
+
+- **v1.0.0**: 초기 릴리스
+  - Ubuntu 22.04 지원
+  - NVIDIA 드라이버 자동 설치
+  - Docker 및 NVIDIA Container Toolkit 설정
+  - GPU 학습 환경 예제
+
+---
+
+
+**⭐ 유용하다면 Star를 눌러주세요! ⭐**
+
@@ -0,0 +1,422 @@
+#!/bin/bash
+
+# GPU 학습용 Ubuntu 22.04 Docker 서버 세팅 스크립트
+# 실행 방법: sudo bash setup_gpu_docker.sh
+
+set -e
+
+# 색상 설정
+PURPLE='\033[0;35m'
+NC='\033[0m' # No Color
+
+
+echo "=== GPU 학습용 Ubuntu 22.04 Docker 서버 세팅 시작 ==="
+
+# 시스템 업데이트
+echo "시스템 업데이트 중..."
+apt update && apt upgrade -y
+
+# 기본 패키지 설치
+echo "기본 패키지 설치 중..."
+apt install -y \
+    curl \
+    wget \
+    vim \
+    git \
+    htop \
+    tree \
+    unzip \
+    software-properties-common \
+    apt-transport-https \
+    ca-certificates \
+    gnupg \
+    lsb-release
+
+# NVIDIA 드라이버 설치
+echo "NVIDIA 드라이버 설치 중..."
+# 기존 NVIDIA 드라이버 제거
+apt remove --purge -y nvidia*
+
+# NVIDIA 드라이버 저장소 추가
+add-apt-repository ppa:graphics-drivers/ppa -y
+apt update
+
+# 권장 드라이버 설치 (자동으로 최신 stable 버전 설치)
+ubuntu-drivers autoinstall
+
+# Docker 설치
+echo "Docker 설치 중..."
+# 기존 Docker 제거
+apt remove -y docker docker-engine docker.io containerd runc
+
+# Docker 공식 설치 스크립트 사용
+wget -O get-docker.sh https://get.docker.com 
+sh ./get-docker.sh
+
+# Docker 서비스 시작 및 부팅시 자동 시작 설정
+systemctl start docker
+systemctl enable docker
+
+# 현재 사용자를 docker 그룹에 추가
+if [ "$SUDO_USER" ]; then
+    usermod -aG docker $SUDO_USER
+    echo "사용자 $SUDO_USER를 docker 그룹에 추가했습니다."
+else
+    echo "경고: SUDO_USER가 설정되지 않음. 수동으로 사용자를 docker 그룹에 추가하세요: sudo usermod -aG docker \$USER"
+fi
+
+# NVIDIA Container Toolkit 설치
+echo "NVIDIA Container Toolkit 설치 중..."
+# NVIDIA Container Toolkit 저장소 설정
+distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
+curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
+curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
+    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
+    tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
+
+# NVIDIA Container Toolkit 설치
+apt update
+apt install -y nvidia-container-toolkit
+
+# Docker에 NVIDIA 런타임 설정
+echo "Docker에 NVIDIA 런타임 설정 중..."
+nvidia-ctk runtime configure --runtime=docker
+
+# Docker 데몬 재시작
+systemctl restart docker
+
+# 시스템 재부팅 후 실행할 검증 스크립트 생성
+cat > /home/$SUDO_USER/verify_gpu_setup.sh << 'EOF'
+#!/bin/bash
+
+echo "=== GPU 및 Docker 설정 검증 ==="
+
+echo "1. NVIDIA 드라이버 확인:"
+nvidia-smi
+
+echo -e "\n2. Docker 버전 확인:"
+docker --version
+
+echo -e "\n3. Docker Compose 확인:"
+docker compose version
+
+echo -e "\n4. NVIDIA Container Toolkit 테스트:"
+docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi
+
+echo -e "\n5. 간단한 GPU 테스트 (PyTorch):"
+docker run --rm --gpus all pytorch/pytorch:latest python -c "
+import torch
+print(f'PyTorch version: {torch.__version__}')
+print(f'CUDA available: {torch.cuda.is_available()}')
+if torch.cuda.is_available():
+    print(f'CUDA version: {torch.version.cuda}')
+    print(f'GPU device count: {torch.cuda.device_count()}')
+    print(f'GPU device name: {torch.cuda.get_device_name(0)}')
+    # 간단한 GPU 연산 테스트
+    x = torch.rand(1000, 1000).cuda()
+    y = torch.rand(1000, 1000).cuda()
+    z = torch.mm(x, y)
+    print('GPU 연산 테스트 성공!')
+else:
+    print('GPU를 사용할 수 없습니다.')
+"
+
+echo -e "\n=== 검증 완료 ==="
+EOF
+
+chmod +x /home/$SUDO_USER/verify_gpu_setup.sh
+chown $SUDO_USER:$SUDO_USER /home/$SUDO_USER/verify_gpu_setup.sh
+
+# 유용한 Docker Compose 예제 생성
+cat > /home/$SUDO_USER/docker-compose-gpu-example.yml << 'EOF'
+version: '3.8'
+
+services:
+  jupyter-gpu:
+    image: tensorflow/tensorflow:latest-gpu-jupyter
+    ports:
+      - "8888:8888"
+    volumes:
+      - ./notebooks:/tf/notebooks
+      - ./data:/tf/data
+    environment:
+      - JUPYTER_ENABLE_LAB=yes
+    deploy:
+      resources:
+        reservations:
+          devices:
+            - driver: nvidia
+              count: all
+              capabilities: [gpu]
+    command: >
+      bash -c "
+        pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 &&
+        jupyter lab --ip=0.0.0.0 --port=8888 --no-browser --allow-root --notebook-dir=/tf
+      "
+
+  pytorch-gpu:
+    image: pytorch/pytorch:latest
+    volumes:
+      - ./workspace:/workspace
+    working_dir: /workspace
+    deploy:
+      resources:
+        reservations:
+          devices:
+            - driver: nvidia
+              count: all
+              capabilities: [gpu]
+    command: python -c "import torch; print('PyTorch GPU available:', torch.cuda.is_available())"
+EOF
+
+chown $SUDO_USER:$SUDO_USER /home/$SUDO_USER/docker-compose-gpu-example.yml
+
+# 디렉토리 생성
+mkdir -p /home/$SUDO_USER/notebooks
+mkdir -p /home/$SUDO_USER/data
+mkdir -p /home/$SUDO_USER/workspace
+chown -R $SUDO_USER:$SUDO_USER /home/$SUDO_USER/notebooks
+chown -R $SUDO_USER:$SUDO_USER /home/$SUDO_USER/data
+chown -R $SUDO_USER:$SUDO_USER /home/$SUDO_USER/workspace
+
+echo "=== 설치 완료 ==="
+echo ""
+echo "다음 단계를 진행하세요:"
+echo "1. 시스템을 재부팅하세요: sudo reboot"
+echo "2. 재부팅 후 검증 스크립트를 실행하세요: ./verify_gpu_setup.sh"
+echo "3. Docker Compose 예제를 사용하여 GPU 학습 환경을 시작하세요:"
+echo "   cd ~ && docker compose -f docker-compose-gpu-example.yml up -d jupyter-gpu"
+echo ""
+echo "백업 및 복구 기능:"
+echo "4. 현재 환경 전체 백업: ./backup_gpu_environment.sh"
+echo "5. 빠른 백업 (설정만): ./quick_backup.sh"
+echo "6. 다른 서버에 복구: sudo bash restore_gpu_environment.sh"
+echo ""
+echo "주의사항:"
+echo "- 재부팅 후 새로운 터미널에서 docker 명령어를 사용하세요"
+echo "- GPU 메모리 사용량을 모니터링하려면 'watch -n 1 nvidia-smi' 명령어를 사용하세요"
+echo "- Jupyter Lab 접속: http://localhost:8888 (토큰은 docker logs로 확인)"
+echo "- 백업은 정기적으로 실행하여 환경을 보존하세요"
+
+# 백업 및 복구 스크립트 생성
+cat > /home/$SUDO_USER/backup_gpu_environment.sh << 'EOF'
+#!/bin/bash
+
+# GPU 서버 환경 백업 스크립트
+# 실행 방법: ./backup_gpu_environment.sh
+
+set -e
+
+BACKUP_DIR="gpu_server_backup_$(date +%Y%m%d_%H%M%S)"
+BACKUP_PATH="$HOME/$BACKUP_DIR"
+
+echo "=== GPU 서버 환경 백업 시작 ==="
+echo "백업 경로: $BACKUP_PATH"
+
+mkdir -p "$BACKUP_PATH"
+
+# 시스템 정보 백업
+echo "1. 시스템 정보 백업 중..."
+lsb_release -a > "$BACKUP_PATH/system_info.txt"
+uname -a >> "$BACKUP_PATH/system_info.txt"
+nvidia-smi > "$BACKUP_PATH/nvidia_info.txt"
+docker --version > "$BACKUP_PATH/docker_info.txt"
+
+# 설치된 패키지 목록 백업
+echo "2. 설치된 패키지 목록 백업 중..."
+dpkg -l > "$BACKUP_PATH/installed_packages.txt"
+apt list --installed > "$BACKUP_PATH/apt_packages.txt"
+
+# Docker 이미지 및 컨테이너 백업
+echo "3. Docker 이미지 목록 백업 중..."
+docker images --format "table {{.Repository}}\t{{.Tag}}\t{{.ID}}\t{{.Size}}" > "$BACKUP_PATH/docker_images.txt"
+docker ps -a --format "table {{.Names}}\t{{.Image}}\t{{.Status}}" > "$BACKUP_PATH/docker_containers.txt"
+
+# Docker 이미지 실제 백업 (선택사항)
+echo "4. 주요 Docker 이미지 백업 중..."
+mkdir -p "$BACKUP_PATH/docker_images"
+for image in $(docker images --format "{{.Repository}}:{{.Tag}}" | grep -E "(pytorch|tensorflow|jupyter|cuda)" | head -10); do
+    echo "  백업 중: $image"
+    safe_name=$(echo "$image" | sed 's/[^a-zA-Z0-9._-]/_/g')
+    docker save "$image" | gzip > "$BACKUP_PATH/docker_images/${safe_name}.tar.gz"
+done
+
+# Python 환경 백업
+echo "5. Python 환경 백업 중..."
+if command -v python3 &> /dev/null; then
+    python3 -m pip list > "$BACKUP_PATH/pip_packages.txt"
+fi
+
+if command -v conda &> /dev/null; then
+    conda env list > "$BACKUP_PATH/conda_envs.txt"
+    conda list > "$BACKUP_PATH/conda_packages.txt"
+fi
+
+# 설정 파일 백업
+echo "6. 설정 파일 백업 중..."
+mkdir -p "$BACKUP_PATH/configs"
+cp -r ~/.bashrc "$BACKUP_PATH/configs/" 2>/dev/null || true
+cp -r ~/.profile "$BACKUP_PATH/configs/" 2>/dev/null || true
+cp -r ~/.ssh "$BACKUP_PATH/configs/" 2>/dev/null || true
+cp -r ~/.gitconfig "$BACKUP_PATH/configs/" 2>/dev/null || true
+cp -r /etc/docker/daemon.json "$BACKUP_PATH/configs/" 2>/dev/null || true
+
+# 중요한 디렉토리 백업
+echo "7. 중요한 디렉토리 백업 중..."
+mkdir -p "$BACKUP_PATH/user_data"
+cp -r ~/notebooks "$BACKUP_PATH/user_data/" 2>/dev/null || true
+cp -r ~/workspace "$BACKUP_PATH/user_data/" 2>/dev/null || true
+cp -r ~/data "$BACKUP_PATH/user_data/" 2>/dev/null || true
+cp -r ~/scripts "$BACKUP_PATH/user_data/" 2>/dev/null || true
+
+# 복구 스크립트 생성
+cat > "$BACKUP_PATH/restore_gpu_environment.sh" << 'RESTORE_EOF'
+#!/bin/bash
+
+# GPU 서버 환경 복구 스크립트
+# 실행 방법: sudo bash restore_gpu_environment.sh
+
+set -e
+
+BACKUP_DIR="$(dirname "$0")"
+echo "=== GPU 서버 환경 복구 시작 ==="
+echo "복구 소스: $BACKUP_DIR"
+
+# 패키지 복구
+echo "1. 패키지 복구 중..."
+if [ -f "$BACKUP_DIR/apt_packages.txt" ]; then
+    # 기본 패키지 설치
+    apt update
+    grep -E "^ii" "$BACKUP_DIR/installed_packages.txt" | awk '{print $2}' | xargs apt install -y --ignore-missing
+fi
+
+# Docker 이미지 복구
+echo "2. Docker 이미지 복구 중..."
+if [ -d "$BACKUP_DIR/docker_images" ]; then
+    for image_file in "$BACKUP_DIR/docker_images"/*.tar.gz; do
+        if [ -f "$image_file" ]; then
+            echo "  복구 중: $image_file"
+            gunzip -c "$image_file" | docker load
+        fi
+    done
+fi
+
+# Python 패키지 복구
+echo "3. Python 패키지 복구 중..."
+if [ -f "$BACKUP_DIR/pip_packages.txt" ]; then
+    pip3 install -r <(grep -v "^#" "$BACKUP_DIR/pip_packages.txt" | awk '{print $1}') --ignore-installed
+fi
+
+# 설정 파일 복구
+echo "4. 설정 파일 복구 중..."
+if [ -d "$BACKUP_DIR/configs" ]; then
+    cp -r "$BACKUP_DIR/configs/.bashrc" ~/ 2>/dev/null || true
+    cp -r "$BACKUP_DIR/configs/.profile" ~/ 2>/dev/null || true
+    cp -r "$BACKUP_DIR/configs/.gitconfig" ~/ 2>/dev/null || true
+    cp -r "$BACKUP_DIR/configs/daemon.json" /etc/docker/ 2>/dev/null || true
+fi
+
+# 사용자 데이터 복구
+echo "5. 사용자 데이터 복구 중..."
+if [ -d "$BACKUP_DIR/user_data" ]; then
+    cp -r "$BACKUP_DIR/user_data"/* ~/ 2>/dev/null || true
+fi
+
+# 권한 수정
+chown -R $SUDO_USER:$SUDO_USER /home/$SUDO_USER/
+
+echo "=== 복구 완료 ==="
+echo "Docker 재시작 중..."
+systemctl restart docker
+
+echo "복구가 완료되었습니다!"
+echo "시스템을 재부팅하는 것을 권장합니다: sudo reboot"
+RESTORE_EOF
+
+chmod +x "$BACKUP_PATH/restore_gpu_environment.sh"
+
+# 백업 정보 파일 생성
+cat > "$BACKUP_PATH/backup_info.txt" << 'INFO_EOF'
+=== GPU 서버 백업 정보 ===
+
+백업 날짜: $(date)
+백업 경로: $BACKUP_PATH
+백업 내용:
+- 시스템 정보 (system_info.txt, nvidia_info.txt, docker_info.txt)
+- 설치된 패키지 목록 (installed_packages.txt, apt_packages.txt)
+- Docker 이미지 및 컨테이너 정보
+- 주요 Docker 이미지 파일 (docker_images/)
+- Python 패키지 목록 (pip_packages.txt)
+- 설정 파일 (configs/)
+- 사용자 데이터 (user_data/)
+
+복구 방법:
+1. 백업 폴더를 새 서버로 복사
+2. sudo bash restore_gpu_environment.sh 실행
+3. 시스템 재부팅
+
+주의사항:
+- 복구 전 새 서버에 기본 GPU 드라이버와 Docker가 설치되어 있어야 함
+- 복구 과정에서 기존 설정이 덮어쓰여질 수 있음
+- 중요한 데이터는 별도 백업 권장
+INFO_EOF
+
+echo "백업 완료!"
+echo "백업 위치: $BACKUP_PATH"
+echo "복구 방법: sudo bash $BACKUP_PATH/restore_gpu_environment.sh"
+
+# 백업 압축 옵션
+read -p "백업을 압축하시겠습니까? (y/n): " compress
+if [[ $compress == "y" || $compress == "Y" ]]; then
+    echo "백업 압축 중..."
+    tar -czf "${BACKUP_PATH}.tar.gz" -C "$HOME" "$BACKUP_DIR"
+    rm -rf "$BACKUP_PATH"
+    echo "압축 완료: ${BACKUP_PATH}.tar.gz"
+fi
+EOF
+
+chmod +x /home/$SUDO_USER/backup_gpu_environment.sh
+chown $SUDO_USER:$SUDO_USER /home/$SUDO_USER/backup_gpu_environment.sh
+
+# 빠른 백업 스크립트 생성 (Docker 이미지 제외)
+cat > /home/$SUDO_USER/quick_backup.sh << 'EOF'
+#!/bin/bash
+
+# 빠른 백업 스크립트 (Docker 이미지 제외)
+# 실행 방법: ./quick_backup.sh
+
+set -e
+
+BACKUP_DIR="quick_backup_$(date +%Y%m%d_%H%M%S)"
+BACKUP_PATH="$HOME/$BACKUP_DIR"
+
+echo "=== 빠른 백업 시작 ==="
+mkdir -p "$BACKUP_PATH"
+
+# 시스템 정보 및 패키지 목록만 백업
+lsb_release -a > "$BACKUP_PATH/system_info.txt"
+nvidia-smi > "$BACKUP_PATH/nvidia_info.txt"
+docker --version > "$BACKUP_PATH/docker_info.txt"
+dpkg -l > "$BACKUP_PATH/installed_packages.txt"
+docker images --format "table {{.Repository}}\t{{.Tag}}" > "$BACKUP_PATH/docker_images_list.txt"
+
+if command -v python3 &> /dev/null; then
+    python3 -m pip list > "$BACKUP_PATH/pip_packages.txt"
+fi
+
+# 설정 파일 백업
+mkdir -p "$BACKUP_PATH/configs"
+cp ~/.bashrc "$BACKUP_PATH/configs/" 2>/dev/null || true
+cp ~/.profile "$BACKUP_PATH/configs/" 2>/dev/null || true
+
+# 압축
+tar -czf "${BACKUP_PATH}.tar.gz" -C "$HOME" "$BACKUP_DIR"
+rm -rf "$BACKUP_PATH"
+
+echo "빠른 백업 완료: ${BACKUP_PATH}.tar.gz"
+EOF
+
+chmod +x /home/$SUDO_USER/quick_backup.sh
+chown $SUDO_USER:$SUDO_USER /home/$SUDO_USER/quick_backup.sh
+
+echo "설정이 완료되었습니다!"