vLLM起動をAWS Lambda化!最安スポット探索と自動フォールバック機能の実装
Back to Topはじめに
#これは、思いついたアイデアや気になるクラウド技術を、まずは好奇心のままに手を動かして形にしてみる技術検証ログです。
前回の記事(EC2スポット×vLLMをSSMでセキュア化!ポート開放ゼロで繋ぐ)では、AWS Systems Manager(SSM)Session Managerによるポートフォワーディングを導入し、セキュリティグループのインバウンドを完全に閉塞(ポート開放ゼロ)しながら、SSH鍵管理を完全撤廃したセキュアなGPU利用環境を構築しました。
しかし、第3回・第4回と機能を追加していく中で、クライアント側(WSL / Mac等)の起動スクリプト(Bash)に新たな運用課題が生じていました:
- 探索レイテンシーの遅さ(直列処理の限界):
BashスクリプトからAWS CLIを使って複数リージョンのスポット価格、AZ候補、Spot Advisor中断率を逐次(直列に)取得していたため、探索とスコアリングだけで15〜30秒近く待たされる。 - スポット枯渇(全滅)時の対応:
世界的なAIブームの影響で、時間帯によっては候補リージョンのスポットキャパシティが全滅(InsufficientInstanceCapacity)することがあります。その際、エラーでスクリプトが止まり、手動でオンデマンドインスタンスを立て直すなどの二度手間が発生していました。 - ローカル環境の肥大化と保守性:
Bashスクリプト内に価格パース、中断率計算、JSON加工、AWKによるスコアリングロジックが詰め込まれ、シェルスクリプトのメンテナンス性が限界に達していました。
そこで今回は、「いっそクラウド側で世界中の最安スポットGPUを並列で高速に自動探索・起動してくれるサーバーレスAPIを作ってしまえば面白いのでは?」というアイデアを形にするため、これらの判定・探索ロジックをすべてクライアントから切り離し、AWS Lambdaによる「サーバーレスGPUブローカー」 へと進化させます。
Pythonの concurrent.futures によるマルチリージョン・マルチAZの高速並列スキャン(1秒台で完了)と、スポット枯渇時のスマートな「オンデマンド・フォールバック機能」 を実装した実践的な手法を紹介します。
📚 関連する過去の検証記事
- 第1回(基本構成): AWS×UserDataでvLLMを自動起動!停止時コストほぼゼロのローカルLLM環境
- 第2回(Cline連携): 自前vLLMをOpen WebUI経由でVS Code(Cline)に接続!トークンフリーで開発する
- 第3回(スポット活用): EC2スポットインスタンス×vLLMでGPUコストを大幅削減する
- 第4回(SSMセキュア化): EC2スポット×vLLMをSSMでセキュア化!ポート開放ゼロで繋ぐ
サーバーレスGPUブローカーのアーキテクチャ
#📌 このセクションの要点
クライアントは探索・判定ロジックから解放され、「Lambdaを叩いて起動結果を受け取る」シンプルな構成に。Lambda側で全リージョンのBoto3並列クエリ・総合スコアリング・スポット起動試行・オンデマンドフォールバックを一手に引き受けます。
flowchart TD
subgraph Client ["ローカル開発端末 (Bashスクリプト)"]
CLI["./01_start_vllm_ssm.sh<br>(--on-demand / --strategy)"]
Tunnel["SSM ポートフォワーディング<br>(localhost:8000 -> EC2:8000)"]
end
subgraph AWS_Mgmt ["AWS 管理基盤 (Lambda)"]
Broker["vLLM Broker Lambda<br>(Python 3.12 / Boto3)"]
Advisor["AWS Spot Advisor<br>(JSON 中断率)"]
end
subgraph Multi_Region ["マルチリージョン EC2 群"]
direction LR
R1["東京 (ap-northeast-1)"]
R2["オレゴン (us-west-2)"]
R3["バージニア (us-east-1)"]
R4["オハイオ (us-east-2)"]
R5["フランクフルト (eu-central-1)"]
end
CLI -->|"1. invoke (JSON)"| Broker
Broker -.->|"並列価格・AZ取得 (1秒)"| Multi_Region
Broker -.->|中断頻度取得| Advisor
Broker -->|"2. スポット起動試行 (順次)"| Multi_Region
Broker -- "スポット全滅時: エラー案内 or<br>オンデマンド(cost/latency)起動" --> Multi_Region
Broker -->|"3. Instance ID & Region 返却"| CLI
CLI -->|4. SSM ポートフォワード接続| Tunnelアーキテクチャの進化ポイント
#| 項目 | 第4回までの構成 (クライアントBash) | 今回の構成 (Lambda ブローカー) | メリット |
|---|---|---|---|
| 探索速度 | 15〜30秒以上(CLIを直列実行) | 約1〜2秒(Pythonスレッド並列) | 待ち時間を大幅に短縮 |
| クライアントの責務 | 価格・中断率の取得、探索計算、起動試行 | Lambda呼び出しとSSMトンネル接続のみ | 複雑な探索ロジックから解放 |
| スポット枯渇時 | エラーで中断、手動対応 | 明確なエラー案内 & オンデマンド切替 | 開発作業を止めずにリカバリ可能 |
| 通常起動戦略 | なし | 「コスト最安」または「レイテンシー最小」 | 業務の優先度に応じた柔軟な選択 |
スポット枯渇時のフォールバック設計
#スポットインスタンスは余剰キャパシティを利用するため、世界中でGPU需要がピークに達した時間帯には、全候補リージョンで InsufficientInstanceCapacity が返ってくる「スポット枯渇」が発生します。
本システムでは、以下の2段構えのフォールバックポリシーを採用しています:
- デフォルト(スポット起動時):
候補リージョンすべてでスポット起動を試み、すべて在庫切れになった場合は即座にエラーALL_SPOT_EXHAUSTEDを返却。エラーメッセージには「通常起動オプション(--on-demand)を付与して再実行できる旨」を分かりやすく案内します。勝手にオンデマンド課金に切り替わって意図せぬ出費が発生する事故を未然に防ぎます。 - オンデマンド指定時(
--on-demand):
どうしても今すぐ作業を進めたい場合、ユーザーは明示的に--on-demandフラグを指定して再実行します。その際、以下の2つの戦略(--strategy)を選択できます:cost(最安コスト重視・デフォルト): 海外リージョンを含めた全リージョンのオンデマンド定価(ドル換算)を比較し、最も定価が安いリージョンで起動。latency(低遅延重視): 物理的に最も近い東京リージョン(ap-northeast-1)を最優先で起動し、快適なタイピング・レスポンスを確保。
Lambda関数の実装 (handler.py)
#Lambda関数のコアロジックです。外部ライブラリを必要とせず、標準ライブラリ(concurrent.futures, urllib.request)と boto3 だけで完結します。
💡 工夫ポイント:UserDataのS3外出しと3行ブートストラップ
本実装では、初期化処理(NVMeマウント、Docker領域移動、並列同期、vLLM起動、アイドル自動停止)の長大なBashスクリプト本体を S3(s3://${S3_BUCKET}/scripts/startup.sh)へ外出し しています。
EC2に渡すUserDataは「S3からスクリプトを取得して実行するわずか3行」に留めることで、以下のメリットが得られます:
- Lambdaコードの大幅なスリム化: 100行を超えるBashヒアドキュメントを排除でき、コード全体の可読性が向上。
- 高速な試行錯誤: 起動スクリプトを微修正したいとき、Lambda関数を再ビルド・再デプロイすることなく、S3上のスクリプトを更新するだけで即時反映。
- UserDataの16KB制限回避: スクリプトがどれだけ肥大化しても、EC2のUserDataサイズ上限(16KB)に抵触しません。
handler.py(クリックで展開)
"""
vLLM GPU Spot Broker Lambda
マルチリージョンのスポット探索、最適リージョン選定、Spot起動、Terminateを統括するサーバーレスブローカー
"""
import json
import logging
import urllib.request
import concurrent.futures
import boto3
from botocore.config import Config
import os
logger = logging.getLogger()
logger.setLevel(logging.INFO)
# 候補リージョンとインスタンスタイプ
env_regions = os.environ.get("TARGET_REGIONS")
CANDIDATE_REGIONS = [r.strip() for r in env_regions.split(",") if r.strip()] if env_regions else ["ap-northeast-1", "eu-central-1", "us-east-2", "us-east-1", "us-west-2"]
INSTANCE_TYPE = os.environ.get("INSTANCE_TYPE", "g6.xlarge")
IAM_ROLE_NAME = os.environ.get("INSTANCE_PROFILE_NAME", "vllm-ssm-instance-profile")
TAG_SERVER_NAME = os.environ.get("TAG_SERVER_NAME", "vllm-ssm-spot-node")
S3_BUCKET_NAME = os.environ.get("S3_BUCKET_NAME", "vllm-models-storage")
ECR_REPOSITORY_NAME = os.environ.get("ECR_REPOSITORY_NAME", "vllm-openai")
# リージョン別 AMI ID キャッシュ (Ubuntu 22.04 Deep Learning AMI)
AMI_MAPPING = {
"ap-northeast-1": "ami-0152728adca68ed36",
"eu-central-1": "ami-0efde0090dab8cacf",
"us-east-2": "ami-032b37e4db407994d",
"us-east-1": "ami-012ba162b9cd2729c",
"us-west-2": "ami-0ca70308d230e8a6e",
}
# リージョン別 オンデマンド参考価格 ($/h: g6.xlarge) と東京からの目安RTT (ms)
ON_DEMAND_METRICS = {
"ap-northeast-1": {"price": 1.3412, "latency_ms": 15, "name": "東京 (最低遅延・国内)"},
"us-west-2": {"price": 0.9840, "latency_ms": 110, "name": "オレゴン (コスト最安・中遅延)"},
"us-east-2": {"price": 0.9840, "latency_ms": 150, "name": "オハイオ (コスト最安)"},
"us-east-1": {"price": 0.9840, "latency_ms": 170, "name": "バージニア (コスト最安)"},
"eu-central-1": {"price": 1.2024, "latency_ms": 230, "name": "フランクフルト"},
}
# S3外出しブートストラップ UserData (本体は s3://.../scripts/startup.sh から高速取得)
USERDATA_BOOTSTRAP = """#!/bin/bash
set -euo pipefail
LOG_FILE="/var/log/userdata-bootstrap.log"
exec > >(tee -a "${LOG_FILE}" | logger -t user-data -s 2>/dev/console) 2>&1
AWS_REGION="__AWS_REGION__"
S3_BUCKET="__S3_BUCKET_NAME__"
DOCKER_IMAGE="__DOCKER_IMAGE__"
echo "=== S3から起動スクリプト (startup.sh) を取得 ==="
aws s3 cp "s3://${S3_BUCKET}/scripts/startup.sh" /tmp/startup.sh --region "${AWS_REGION}"
chmod +x /tmp/startup.sh
echo "=== startup.sh 実行 ==="
/tmp/startup.sh "${AWS_REGION}" "${S3_BUCKET}" "${DOCKER_IMAGE}"
"""
def get_spot_advisor_data():
"""Spot Advisor から中断頻度ランクを取得"""
url = "https://spot-bid-advisor.s3.amazonaws.com/spot-advisor-data.json"
tiers = {}
try:
req = urllib.request.Request(url, headers={"User-Agent": "Lambda-Broker"})
with urllib.request.urlopen(req, timeout=3) as res:
adv = json.loads(res.read().decode("utf-8")).get("spot_advisor", {})
for r, info in adv.items():
tier = info.get("Linux", {}).get(INSTANCE_TYPE, {}).get("r", 4)
tiers[r] = tier
except Exception as e:
logger.warning(f"Spot Advisor 取得失敗: {e}")
return tiers
def query_region_metrics(region, advisor_tiers):
"""単一リージョンのスポット価格・AZ数を取得"""
boto_cfg = Config(connect_timeout=2, read_timeout=3, retries={"max_attempts": 1})
ec2 = boto3.client("ec2", region_name=region, config=boto_cfg)
try:
res = ec2.describe_spot_price_history(
InstanceTypes=[INSTANCE_TYPE],
ProductDescriptions=["Linux/UNIX"],
MaxResults=10,
)
prices = res.get("SpotPriceHistory", [])
if not prices:
return None
# 最安値とAZ数
min_price = min(float(p["SpotPrice"]) for p in prices)
azs = set(p["AvailabilityZone"] for p in prices)
az_count = len(azs)
tier = advisor_tiers.get(region, 4)
return {
"region": region,
"min_price": min_price,
"az_count": az_count,
"tier": tier,
}
except Exception as e:
logger.error(f"Error querying {region}: {e}")
return None
def select_best_region():
"""全候補リージョンを並列評価して最適リージョンを算出"""
advisor_tiers = get_spot_advisor_data()
metrics = []
with concurrent.futures.ThreadPoolExecutor(max_workers=len(CANDIDATE_REGIONS)) as executor:
futures = {executor.submit(query_region_metrics, r, advisor_tiers): r for r in CANDIDATE_REGIONS}
for future in concurrent.futures.as_completed(futures):
res = future.result()
if res:
metrics.append(res)
if not metrics:
raise RuntimeError("全リージョンでスポット価格を取得できませんでした")
best_price = min(m["min_price"] for m in metrics)
# スコア計算: 価格40 + 余剰AZ40 + 中断耐性20
best_item = None
max_score = -1
for m in metrics:
p_score = int(40.0 * (best_price / m["min_price"]))
tier = m["tier"]
i_score = {0: 20, 1: 15, 2: 10, 3: 5}.get(tier, 0)
az = m["az_count"]
if az >= 5:
c_score = 40
elif az == 4:
c_score = 32
elif az == 3:
c_score = 24
elif az == 2:
c_score = 16
else:
c_score = 8
total_score = p_score + i_score + c_score
m["score"] = total_score
if total_score >= 75:
m["rank"] = "Rank S"
elif total_score >= 65:
m["rank"] = "Rank A"
elif total_score >= 50:
m["rank"] = "Rank B"
else:
m["rank"] = "Rank C"
if total_score > max_score:
max_score = total_score
best_item = m
return best_item, metrics
def get_or_create_ssm_security_group(ec2_client, region):
"""インバウンド完全遮断(受信0ルール)のSSM専用セキュリティグループ"""
sg_name = "vllm-ssm-isolated-sg"
try:
res = ec2_client.describe_security_groups(
Filters=[{"Name": "group-name", "Values": [sg_name]}]
)
if res["SecurityGroups"]:
return res["SecurityGroups"][0]["GroupId"]
except Exception:
pass
# 作成(デフォルトVPC)
vpcs = ec2_client.describe_vpcs(Filters=[{"Name": "isDefault", "Values": ["true"]}])["Vpcs"]
vpc_id = vpcs[0]["VpcId"] if vpcs else ec2_client.describe_vpcs()["Vpcs"][0]["VpcId"]
new_sg = ec2_client.create_security_group(
GroupName=sg_name,
Description="Zero inbound ports allowed - access exclusively via AWS Systems Manager (SSM)",
VpcId=vpc_id,
)
# インバウンドルールは一切追加しない(完全閉塞)
return new_sg["GroupId"]
def get_latest_dlami(ec2_client):
"""最新のUbuntu 22.04 Deep Learning AMI IDを動的取得"""
try:
res = ec2_client.describe_images(
Owners=["amazon"],
Filters=[{"Name": "name", "Values": ["Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.* (Ubuntu 22.04)*"]}],
)
images = sorted(res.get("Images", []), key=lambda x: x["CreationDate"])
if images:
return images[-1]["ImageId"]
except Exception as e:
logger.warning(f"Failed to query latest DLAMI: {e}")
return None
def select_on_demand_region(strategy="cost"):
"""通常起動(オンデマンド)時の最適リージョンを選定
- cost: オンデマンド単価が最も安いリージョン(同価格なら低遅延優先: us-west-2 > us-east-2 > us-east-1)
- latency: 東京からの遅延が最小のリージョン(ap-northeast-1 優先)
"""
valid_regions = [r for r in CANDIDATE_REGIONS if r in ON_DEMAND_METRICS]
if not valid_regions:
valid_regions = CANDIDATE_REGIONS
if strategy == "latency":
return sorted(valid_regions, key=lambda r: ON_DEMAND_METRICS.get(r, {}).get("latency_ms", 999))
else:
return sorted(
valid_regions,
key=lambda r: (
ON_DEMAND_METRICS.get(r, {}).get("price", 999),
ON_DEMAND_METRICS.get(r, {}).get("latency_ms", 999),
),
)
def launch_instance(region, account_id, is_spot=True):
"""指定リージョンでインスタンス(スポットまたは通常起動)を起動"""
ec2 = boto3.client("ec2", region_name=region, config=Config(retries={"max_attempts": 1}))
ami_id = AMI_MAPPING.get(region)
if not ami_id:
ami_id = get_latest_dlami(ec2)
if not ami_id:
raise ValueError(f"AMI ID not configured for region {region}")
sg_id = get_or_create_ssm_security_group(ec2, region)
s3_bucket = S3_BUCKET_NAME
if not s3_bucket or s3_bucket == "vllm-models-storage" or "*" in s3_bucket:
s3_bucket = f"my-vllm-models-hackathon-2026-{account_id}-{region}-an"
elif "{account_id}" in s3_bucket or "{region}" in s3_bucket:
s3_bucket = s3_bucket.replace("{account_id}", account_id).replace("{region}", region)
docker_image = f"{account_id}.dkr.ecr.{region}.amazonaws.com/{ECR_REPOSITORY_NAME}:latest"
# UserData 生成 (S3外出しブートストラップ)
userdata_script = USERDATA_BOOTSTRAP.replace("__AWS_REGION__", region)
userdata_script = userdata_script.replace("__S3_BUCKET_NAME__", s3_bucket)
userdata_script = userdata_script.replace("__DOCKER_IMAGE__", docker_image)
def do_run(target_ami):
run_params = {
"ImageId": target_ami,
"InstanceType": INSTANCE_TYPE,
"MinCount": 1,
"MaxCount": 1,
"IamInstanceProfile": {"Name": IAM_ROLE_NAME},
"SecurityGroupIds": [sg_id],
"InstanceInitiatedShutdownBehavior": "terminate",
"BlockDeviceMappings": [
{
"DeviceName": "/dev/sda1",
"Ebs": {
"VolumeSize": 40,
"VolumeType": "gp3",
"DeleteOnTermination": True,
},
}
],
"UserData": userdata_script,
"TagSpecifications": [
{
"ResourceType": "instance",
"Tags": [
{"Key": "Name", "Value": TAG_SERVER_NAME},
{"Key": "Project", "Value": "vllm-ephemeral"},
{"Key": "MarketType", "Value": "spot" if is_spot else "on-demand"},
],
}
],
}
if is_spot:
run_params["InstanceMarketOptions"] = {
"MarketType": "spot",
"SpotOptions": {
"SpotInstanceType": "one-time",
"InstanceInterruptionBehavior": "terminate",
},
}
return ec2.run_instances(**run_params)
try:
run_res = do_run(ami_id)
except Exception as e:
if "InvalidAMIID" in str(e):
logger.info(f"AMI {ami_id} invalid in {region}, querying latest dynamically...")
dynamic_ami = get_latest_dlami(ec2)
if dynamic_ami and dynamic_ami != ami_id:
run_res = do_run(dynamic_ami)
else:
raise
else:
raise
instance_id = run_res["Instances"][0]["InstanceId"]
return instance_id
def launch_spot_instance(best_region_info, account_id):
"""後方互換性エイリアス"""
return launch_instance(best_region_info["region"], account_id, is_spot=True)
def terminate_all_instances():
"""全候補リージョンから稼働中の vLLM インスタンス(スポット・オンデマンド問わず)を検索して Terminate"""
terminated = []
def check_and_term(region):
ec2 = boto3.client("ec2", region_name=region)
try:
res = ec2.describe_instances(
Filters=[
{"Name": "tag:Name", "Values": [TAG_SERVER_NAME]},
{"Name": "instance-state-name", "Values": ["pending", "running", "stopping"]},
]
)
ids = [i["InstanceId"] for r in res.get("Reservations", []) for i in r.get("Instances", [])]
if ids:
ec2.terminate_instances(InstanceIds=ids)
return [{"region": region, "instance_id": i} for i in ids]
except Exception as e:
logger.error(f"Error terminating in {region}: {e}")
return []
with concurrent.futures.ThreadPoolExecutor(max_workers=len(CANDIDATE_REGIONS)) as executor:
results = executor.map(check_and_term, CANDIDATE_REGIONS)
for r_list in results:
terminated.extend(r_list)
return terminated
def terminate_all_spot_instances():
"""後方互換性エイリアス"""
return terminate_all_instances()
def lambda_handler(event, context):
"""Lambda メインエントリーポイント"""
action = event.get("action", "launch")
mode = event.get("mode", "spot") # "spot" or "on-demand"
if event.get("on_demand") is True or event.get("use_on_demand") is True:
mode = "on-demand"
strategy = event.get("strategy", "cost").lower() # "cost" or "latency"
account_id = context.invoked_function_arn.split(":")[4]
logger.info(f"Received action: {action}, mode: {mode}, strategy: {strategy} (Account: {account_id})")
if action == "launch":
if mode == "on-demand":
# 通常起動(オンデマンド)
candidates = select_on_demand_region(strategy)
logger.info(f"On-Demand candidate order (strategy={strategy}): {candidates}")
failed_attempts = []
last_error = None
for region in candidates:
info = ON_DEMAND_METRICS.get(region, {"price": 1.0, "latency_ms": 100, "name": region})
logger.info(f"Attempting On-Demand launch in {region} ({info.get('name')})...")
try:
instance_id = launch_instance(region, account_id, is_spot=False)
logger.info(f"Successfully launched On-Demand instance {instance_id} in {region}")
return {
"status": "success",
"action": "launch",
"market_type": "on-demand",
"strategy": strategy,
"region": region,
"region_name": info.get("name"),
"instance_id": instance_id,
"instance_type": INSTANCE_TYPE,
"on_demand_price": info.get("price"),
"latency_ms": info.get("latency_ms"),
"fallback_attempts": failed_attempts,
"note": f"通常起動(オンデマンド)で起動しました(優先戦略: {strategy})。",
}
except Exception as e:
err_str = str(e)
if "VcpuLimitExceeded" in err_str or "InstanceLimitExceeded" in err_str:
reason = "オンデマンドGPUクォータ上限到達"
else:
reason = f"{type(e).__name__}"
logger.warning(f"On-Demand launch failed in {region} ({reason})")
failed_attempts.append({"region": region, "reason": reason})
last_error = e
continue
return {
"status": "error",
"error_code": "ALL_ON_DEMAND_FAILED",
"message": f"すべてのオンデマンド候補リージョンで起動に失敗しました。Last error: {last_error}",
"fallback_attempts": failed_attempts,
}
else:
# デフォルト: スポット起動
_, all_metrics = select_best_region()
sorted_candidates = sorted(all_metrics, key=lambda x: x.get("score", 0), reverse=True)
logger.info(f"Ranked spot candidates: {[c['region'] for c in sorted_candidates]}")
failed_attempts = []
last_error = None
for candidate in sorted_candidates:
region = candidate["region"]
logger.info(f"Attempting spot launch in {region} (Score: {candidate.get('score')}, Rank: {candidate.get('rank')})...")
try:
instance_id = launch_instance(region, account_id, is_spot=True)
logger.info(f"Successfully launched spot instance {instance_id} in {region}")
return {
"status": "success",
"action": "launch",
"market_type": "spot",
"region": region,
"instance_id": instance_id,
"instance_type": INSTANCE_TYPE,
"spot_price": candidate.get("min_price"),
"score": candidate.get("score"),
"rank": candidate.get("rank"),
"candidates": all_metrics,
"fallback_attempts": failed_attempts,
}
except Exception as e:
err_str = str(e)
if "InsufficientInstanceCapacity" in err_str:
reason = "スポット余剰キャパシティ不足 (在庫切れ)"
elif "MaxSpotInstanceCountExceeded" in err_str:
reason = "スポットクォータ上限到達"
else:
reason = f"{type(e).__name__}"
logger.warning(f"Spot launch failed in {region} ({reason}), trying next candidate...")
failed_attempts.append({
"region": region,
"score": candidate.get("score"),
"rank": candidate.get("rank"),
"reason": reason,
})
last_error = e
continue
# ★ 全リージョンでスポットが取得できなかった場合のエラーレスポンス
return {
"status": "error",
"error_code": "ALL_SPOT_EXHAUSTED",
"message": (
"すべての候補リージョンでスポットインスタンスの起動に失敗しました(キャパシティ不足等)。\n"
"通常起動(オンデマンド)で起動する場合は、スクリプトに '--on-demand' オプションを指定してください。\n"
" 例: ./01_start_vllm_ssm.sh --on-demand --strategy cost # コスト最安(米オレゴン等: 約$0.98/h)\n"
" 例: ./01_start_vllm_ssm.sh --on-demand --strategy latency # レイテンシー最小(東京: 約$1.34/h)"
),
"fallback_attempts": failed_attempts,
}
elif action == "terminate":
terminated = terminate_all_instances()
return {
"status": "success",
"action": "terminate",
"terminated_instances": terminated,
"count": len(terminated),
}
elif action == "status":
best_region_info, all_metrics = select_best_region()
return {
"status": "success",
"action": "status",
"recommended_region": best_region_info,
"all_metrics": all_metrics,
}
else:
return {
"status": "error",
"message": f"Unknown action: '{action}'. Must be 'launch', 'terminate', or 'status'.",
}
S3に配置する初期化スクリプト (startup.sh)
#S3(s3://${S3_BUCKET}/scripts/startup.sh)に配置する初期化シェルスクリプト本体です。インスタンス起動時にブートストラップUserData経由でS3から自動ダウンロードされ、実行されます。
NVMeマウント、Docker領域の退避、S3モデル同期とDocker pullの並列処理、vLLM起動、およびアイドル自動停止デーモンの全処理がこのスクリプトにカプセル化されています。
startup.sh(クリックで展開)
#!/bin/bash
set -euo pipefail
LOG_FILE="/var/log/userdata-vllm.log"
exec > >(tee -a "${LOG_FILE}" | logger -t user-data -s 2>/dev/console) 2>&1
echo "=== [$(date '+%Y-%m-%d %H:%M:%S')] startup.sh 実行開始 (S3外出しブートストラップ版) ==="
AWS_REGION="${1:-$(curl -s http://169.254.169.254/latest/meta-data/placement/region)}"
S3_BUCKET_NAME="${2:-}"
DOCKER_IMAGE="${3:-}"
HF_MODEL_ID="Qwen/Qwen2.5-Coder-7B-Instruct"
SERVED_MODEL_NAME="Qwen/Qwen2.5-Coder-7B-Instruct"
VLLM_PORT="8000"
GPU_MEMORY_UTILIZATION="0.90"
MAX_MODEL_LEN="16384"
# 1. ローカル NVMe インスタンスストア(250GB)の検出と活用
NVME_DIR="/opt/dlami/nvme"
if mountpoint -q "${NVME_DIR}" || [ -d "${NVME_DIR}" ]; then
echo "DLAMI既定の NVMe マウント (${NVME_DIR}) を活用します..."
mkdir -p "${NVME_DIR}/models" "${NVME_DIR}/docker"
mkdir -p /data
ln -sfn "${NVME_DIR}/models" /data/models
else
NVME_DEV=$(lsblk -d -n -o NAME,SIZE | grep -E '250G|232G' | head -n1 | awk '{print $1}')
if [ -n "${NVME_DEV}" ]; then
mkfs.ext4 -F "/dev/${NVME_DEV}" || true
mkdir -p /data
mount -o noatime "/dev/${NVME_DEV}" /data || true
else
mkdir -p /data
fi
mkdir -p /data/models /data/docker
NVME_DIR="/data"
fi
LOCAL_MODEL_ROOT="/data/models"
LOCAL_MODEL_DIR="${LOCAL_MODEL_ROOT}/${HF_MODEL_ID}"
mkdir -p "${LOCAL_MODEL_DIR}"
chmod 777 "${LOCAL_MODEL_ROOT}"
# 2. Docker データ領域を NVMe に配置
systemctl stop docker containerd || true
mkdir -p "${NVME_DIR}/docker" "${NVME_DIR}/containerd"
mkdir -p /var/lib/docker /var/lib/containerd
cp -a /var/lib/docker/* "${NVME_DIR}/docker/" 2>/dev/null || true
cp -a /var/lib/containerd/* "${NVME_DIR}/containerd/" 2>/dev/null || true
mount --bind "${NVME_DIR}/docker" /var/lib/docker
mount --bind "${NVME_DIR}/containerd" /var/lib/containerd
systemctl daemon-reload
systemctl start containerd
systemctl start docker
# 3. S3モデル同期 と Docker pull の並列実行
S3_SRC="s3://${S3_BUCKET_NAME}/models/${HF_MODEL_ID}"
aws configure set default.s3.max_concurrent_requests 20
(
echo "--- [Task A] Dockerイメージ取得: ${DOCKER_IMAGE} ---"
if [[ "${DOCKER_IMAGE}" == *".dkr.ecr."* ]]; then
ECR_REGISTRY=$(echo "${DOCKER_IMAGE}" | cut -d'/' -f1)
ECR_REGION=$(echo "${ECR_REGISTRY}" | awk -F. '{print $4}')
aws ecr get-login-password --region "${ECR_REGION:-${AWS_REGION}}" | docker login --username AWS --password-stdin "${ECR_REGISTRY}" || true
fi
docker pull "${DOCKER_IMAGE}"
) > /var/log/docker-pull.log 2>&1 &
PID_DOCKER=$!
(
echo "--- [Task B] S3モデル高速同期 ---"
aws s3 sync "${S3_SRC}" "${LOCAL_MODEL_DIR}" --region "${AWS_REGION}" --no-progress
) > /var/log/model-sync.log 2>&1 &
PID_S3=$!
wait "${PID_DOCKER}"
wait "${PID_S3}"
echo "=== 並列ダウンロード完了! ==="
# 4. vLLMコンテナ起動
docker run -d \
--name "vllm-server" \
--restart unless-stopped \
--gpus all \
--ipc=host \
-p "${VLLM_PORT}:8000" \
-v "${LOCAL_MODEL_ROOT}:/models" \
"${DOCKER_IMAGE}" \
--model "/models/${HF_MODEL_ID}" \
--served-model-name "${SERVED_MODEL_NAME}" \
--gpu-memory-utilization "${GPU_MEMORY_UTILIZATION}" \
--max-model-len "${MAX_MODEL_LEN}" \
--trust-remote-code \
--enable-auto-tool-choice \
--tool-call-parser hermes
# 5. アイドル1時間自動終了デーモン
cat <<'EOF_IDLE' > /usr/local/bin/auto-idle-shutdown.sh
#!/bin/bash
IDLE_LIMIT=3600
IDLE_COUNT=0
while true; do
sleep 300
REQ=$(docker logs --since 5m vllm-server 2>&1 | grep -c "POST /v1" || true)
if [ "${REQ}" -eq 0 ]; then
IDLE_COUNT=$((IDLE_COUNT + 300))
[ "${IDLE_COUNT}" -ge "${IDLE_LIMIT}" ] && { shutdown -h now; exit 0; }
else
IDLE_COUNT=0
fi
done
EOF_IDLE
chmod +x /usr/local/bin/auto-idle-shutdown.sh
nohup /usr/local/bin/auto-idle-shutdown.sh > /dev/null 2>&1 &
echo "=== startup.sh 完了 (SSM待機中) ==="
Lambdaのデプロイスクリプト (00_deploy_lambda.sh)
#作成した handler.py をZIPアーカイブ化してAWS Lambdaにデプロイし、同時に startup.sh をS3バケットへ自動同期するシェルスクリプトです。
00_deploy_lambda.sh(クリックで展開)
#!/bin/bash
set -euo pipefail
# ==============================================================================
# 00_deploy_lambda.sh
# GPU起動ブローカーLambda関数およびIAM実行ロールを自動作成・更新するスクリプト
# ==============================================================================
SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
LAMBDA_DIR="$(cd "${SCRIPT_DIR}/../lambda" && pwd)"
FUNCTION_NAME="vllm-spot-broker"
ROLE_NAME="vllm-spot-broker-lambda-role"
REGION="ap-northeast-1"
echo "=== 1. Lambda 実行ロール (${ROLE_NAME}) の作成/確認 ==="
AWS_ACCOUNT_ID=$(aws sts get-caller-identity --query Account --output text)
TRUST_POLICY='{
"Version": "2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"Service": "lambda.amazonaws.com"
},
"Action": "sts:AssumeRole"
}
]
}'
if ! aws iam get-role --role-name "${ROLE_NAME}" >/dev/null 2>&1; then
echo "IAMロールを作成中..."
aws iam create-role \
--role-name "${ROLE_NAME}" \
--assume-role-policy-document "${TRUST_POLICY}" \
--description "Execution role for vLLM Spot Broker Lambda" >/dev/null
# 基本ログ出力権限
aws iam attach-role-policy \
--role-name "${ROLE_NAME}" \
--policy-arn "arn:aws:iam::aws:policy/service-role/AWSLambdaBasicExecutionRole"
# EC2 & IAM PassRole 権限インラインポリシー
BROKER_POLICY="{
\"Version\": \"2012-10-17\",
\"Statement\": [
{
\"Effect\": \"Allow\",
\"Action\": [
\"ec2:Describe*\",
\"ec2:RunInstances\",
\"ec2:TerminateInstances\",
\"ec2:CreateSecurityGroup\",
\"ec2:CreateTags\"
],
\"Resource\": \"*\"
},
{
\"Effect\": \"Allow\",
\"Action\": \"iam:PassRole\",
\"Resource\": [
\"arn:aws:iam::${AWS_ACCOUNT_ID}:role/vllm-ssm-instance-role\",
\"arn:aws:iam::${AWS_ACCOUNT_ID}:role/VllmServerSSMRole\"
]
}
]
}"
aws iam put-role-policy \
--role-name "${ROLE_NAME}" \
--policy-name "VllmBrokerPermissions" \
--policy-document "${BROKER_POLICY}"
echo "IAMロール作成完了。権限の伝播を少し待機中..."
sleep 10
else
echo "既存のIAMロールを使用します: ${ROLE_NAME}"
fi
ROLE_ARN="arn:aws:iam::${AWS_ACCOUNT_ID}:role/${ROLE_NAME}"
echo "=== 2. Lambda コードのパッケージング ==="
TMP_ZIP=$(mktemp --suffix=.zip)
rm -f "${TMP_ZIP}"
(cd "${LAMBDA_DIR}" && zip -q -r "${TMP_ZIP}" handler.py)
echo "=== 2.5 起動スクリプト (startup.sh) を S3 へ同期 ==="
S3_BUCKET="my-vllm-models-hackathon-2026-${AWS_ACCOUNT_ID}-${REGION}-an"
if aws s3 ls "s3://${S3_BUCKET}" >/dev/null 2>&1; then
echo "startup.sh を s3://${S3_BUCKET}/scripts/startup.sh へアップロード中..."
aws s3 cp "${SCRIPT_DIR}/startup.sh" "s3://${S3_BUCKET}/scripts/startup.sh" --region "${REGION}"
fi
echo "=== 3. Lambda 関数 (${FUNCTION_NAME}) の作成/更新 ==="
if aws lambda get-function --region "${REGION}" --function-name "${FUNCTION_NAME}" >/dev/null 2>&1; then
echo "既存のLambda関数コードを更新中..."
aws lambda update-function-code \
--region "${REGION}" \
--function-name "${FUNCTION_NAME}" \
--zip-file "fileb://${TMP_ZIP}" >/dev/null
else
echo "新しいLambda関数を作成中..."
aws lambda create-function \
--region "${REGION}" \
--function-name "${FUNCTION_NAME}" \
--runtime "python3.12" \
--role "${ROLE_ARN}" \
--handler "handler.lambda_handler" \
--zip-file "fileb://${TMP_ZIP}" \
--timeout 60 \
--memory-size 256 \
--description "Multi-region spot instance broker for vLLM" >/dev/null
fi
rm -f "${TMP_ZIP}"
echo "=== デプロイ完了! ==="
echo "Lambda 関数名: ${FUNCTION_NAME} (${REGION})"
探索ロジックを手放したクライアント側スクリプト (01_start_vllm_ssm.sh)
#ローカルPC側の起動スクリプトは、複雑なマルチリージョン計算や中断率データの取得をすべてクラウド側へ手放し、「Lambdaを呼び出して起動されたインスタンス情報を受け取り、SSMポートフォワーディングを張る」 というローカル環境の接続・トンネル管理に専念する構成へと進化します。
01_start_vllm_ssm.sh(クリックで展開)
#!/bin/bash
set -euo pipefail
# ==============================================================================
# 01_start_vllm_ssm.sh
# Lambdaブローカーを呼び出して最安スポットを起動し、SSMポートフォワーディングで安全に直結する
# ==============================================================================
SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
INSTANCE_STATE_FILE="${SCRIPT_DIR}/.current_instance_id"
TUNNEL_PID_FILE="${SCRIPT_DIR}/.current_tunnel_pid"
REGION_STATE_FILE="${SCRIPT_DIR}/.current_region"
TUNNEL_LOG="${SCRIPT_DIR}/.current_tunnel.log"
BROKER_REGION="ap-northeast-1"
FUNCTION_NAME="vllm-spot-broker"
# オプション解析
USE_ON_DEMAND="false"
STRATEGY="cost"
while [[ $# -gt 0 ]]; do
case "$1" in
--on-demand)
USE_ON_DEMAND="true"
shift
;;
--strategy)
STRATEGY="${2:-cost}"
shift 2
;;
-h|--help)
echo "使用方法: $0 [オプション]"
echo ""
echo "オプション:"
echo " --on-demand 通常起動(オンデマンド)で起動する(デフォルトはスポット起動)"
echo " --strategy <cost|latency> 通常起動時の優先戦略(デフォルト: cost)"
echo " cost : オンデマンド単価が最も安いリージョンを選択(米オレゴン等: 約\$0.98/h)"
echo " latency : レイテンシーが最も小さいリージョンを選択(東京: 約\$1.34/h)"
echo " -h, --help ヘルプを表示"
exit 0
;;
*)
echo "不明なオプション: $1"
echo "ヘルプ: $0 --help"
exit 1
;;
esac
done
TMP_RES=$(mktemp)
if [ "${USE_ON_DEMAND}" = "true" ]; then
echo "=== 1. サーバーレスGPUブローカー(Lambda)呼び出し [通常起動 / 戦略: ${STRATEGY}]... ==="
PAYLOAD=$(jq -n --arg mode "on-demand" --arg strategy "${STRATEGY}" '{"action":"launch","mode":$mode,"strategy":$strategy}')
else
echo "=== 1. サーバーレスGPUブローカー(Lambda)呼び出し [スポット探索 & 起動]... ==="
PAYLOAD='{"action":"launch","mode":"spot"}'
fi
aws lambda invoke \
--region "${BROKER_REGION}" \
--function-name "${FUNCTION_NAME}" \
--payload "${PAYLOAD}" \
--cli-binary-format raw-in-base64-out \
"${TMP_RES}" >/dev/null
STATUS=$(jq -r '.status // "error"' "${TMP_RES}")
if [ "${STATUS}" != "success" ]; then
ERROR_CODE=$(jq -r '.error_code // ""' "${TMP_RES}")
MESSAGE=$(jq -r '.message // ""' "${TMP_RES}")
echo "=========================================================="
if [ "${ERROR_CODE}" = "ALL_SPOT_EXHAUSTED" ]; then
echo "❌ スポット在庫切れ: 全候補リージョンでスポットインスタンスを調達できませんでした。"
echo "----------------------------------------------------------"
echo "【試行した候補リージョンと結果】"
jq -r '.fallback_attempts[]? | " - \(.region) (\(.score // "-")点 / \(.rank // "-")): \(.reason)"' "${TMP_RES}"
echo ""
echo "💡 通常起動(オンデマンド)であれば確実に起動可能です。"
echo " 以下のコマンドで再実行してください:"
echo ""
echo " # コスト最安リージョン(米オレゴン等: 約\$0.98/h)で通常起動:"
echo " $0 --on-demand --strategy cost"
echo ""
echo " # レイテンシー最小リージョン(東京: 約\$1.34/h)で通常起動:"
echo " $0 --on-demand --strategy latency"
else
echo "エラー: Lambdaの起動リクエストが失敗しました。"
echo "${MESSAGE}"
cat "${TMP_RES}"
fi
echo "=========================================================="
rm -f "${TMP_RES}"
exit 1
fi
MARKET_TYPE=$(jq -r '.market_type // "spot"' "${TMP_RES}")
INSTANCE_ID=$(jq -r '.instance_id' "${TMP_RES}")
SELECTED_REGION=$(jq -r '.region' "${TMP_RES}")
echo "${INSTANCE_ID}" > "${INSTANCE_STATE_FILE}"
echo "${SELECTED_REGION}" > "${REGION_STATE_FILE}"
echo "=========================================================="
if [ "${MARKET_TYPE}" = "on-demand" ]; then
STRAT=$(jq -r '.strategy // "cost"' "${TMP_RES}")
PRICE=$(jq -r '.on_demand_price // "-"' "${TMP_RES}")
LATENCY=$(jq -r '.latency_ms // "-"' "${TMP_RES}")
REG_NAME=$(jq -r '.region_name // ""' "${TMP_RES}")
echo " ⚡ 通常起動(オンデマンド)完了: 戦略 = ${STRAT}"
echo " 選定リージョン : ${SELECTED_REGION} (${REG_NAME})"
echo " インスタンスID : ${INSTANCE_ID}"
echo " オンデマンド価格: \$${PRICE}/h"
echo " 目安レイテンシー: 約 ${LATENCY} ms"
else
PRICE=$(jq -r '.spot_price // "-"' "${TMP_RES}")
SCORE=$(jq -r '.score // "-"' "${TMP_RES}")
RANK=$(jq -r '.rank // "-"' "${TMP_RES}")
echo " 🏆 最適スポットリージョン選定完了: ${SELECTED_REGION} (${RANK} / ${SCORE}点)"
echo " インスタンスID: ${INSTANCE_ID}"
echo " スポット価格 : \$${PRICE}/h"
FALLBACK_COUNT=$(jq -r '.fallback_attempts | length // 0' "${TMP_RES}")
if [ "${FALLBACK_COUNT}" -gt 0 ]; then
echo " ⚠️ 上位候補リージョンで一時的なスポット在庫不足が発生したため、自動フォールバックしました:"
jq -r '.fallback_attempts[] | " - \(.region) (\(.score)点 / \(.rank)): \(.reason)"' "${TMP_RES}"
fi
fi
echo "=========================================================="
rm -f "${TMP_RES}"
# インスタンスの実行状態(running)待機
echo "インスタンスが running 状態になるのを待機中..."
aws ec2 wait instance-running --region "${SELECTED_REGION}" --instance-ids "${INSTANCE_ID}"
# Git Bash環境向けにSessionManagerPluginのパスを追加
if [ -d "/c/Program Files/Amazon/SessionManagerPlugin/bin" ]; then
export PATH="${PATH}:/c/Program Files/Amazon/SessionManagerPlugin/bin"
fi
# --- 2. SSMエージェントのオンライン待機 ---
echo "=== 2. SSMエージェントのオンライン待機 ==="
echo "EC2インスタンス内部のSSM Agentが接続されるのを待機中..."
SSM_OK=false
for i in {1..30}; do
STATUS=$(aws ssm describe-instance-information \
--region "${SELECTED_REGION}" \
--filters "Key=InstanceIds,Values=${INSTANCE_ID}" \
--query "InstanceInformationList[0].PingStatus" \
--output text 2>/dev/null || true)
if [ "${STATUS}" = "Online" ]; then
echo " SSM Agent が Online になりました! (${i}回目の試行)"
SSM_OK=true
break
fi
echo -n "."
sleep 3
done
echo ""
if [ "${SSM_OK}" != "true" ]; then
echo "エラー: SSM Agent が Online になりませんでした。IAMロールやアウトバウンド通信を確認してください。"
exit 1
fi
# --- 3. サーバー側での vLLM 起動待機 (S3モデルDL・コンテナ起動) ---
echo "=== 3. サーバー側での vLLM 起動待機 (http://127.0.0.1:8000/health) ==="
echo "UserDataによるS3モデルダウンロードとvLLM起動を待機しています(通常2〜4分程度)..."
SERVER_READY=false
for i in {1..90}; do
CMD_ID=$(aws ssm send-command \
--region "${SELECTED_REGION}" \
--instance-ids "${INSTANCE_ID}" \
--document-name "AWS-RunShellScript" \
--parameters 'commands=["curl -s -m 2 http://127.0.0.1:8000/health >/dev/null && echo OK || echo WAITING"]' \
--query "Command.CommandId" \
--output text 2>/dev/null || true)
if [ -n "${CMD_ID}" ]; then
sleep 2
RES=$(aws ssm get-command-invocation \
--region "${SELECTED_REGION}" \
--command-id "${CMD_ID}" \
--instance-id "${INSTANCE_ID}" \
--query "StandardOutputContent" \
--output text 2>/dev/null || true)
if [[ "${RES}" =~ "OK" ]]; then
echo " サーバー側の vLLM が正常に応答しました!"
SERVER_READY=true
break
fi
fi
echo -n "."
sleep 5
done
echo ""
if [ "${SERVER_READY}" != "true" ]; then
echo "警告: サーバー側のvLLM起動待機がタイムアウトしました。UserDataログを確認してください。"
fi
# --- 4. 既存トンネルの整理と新規SSMポートフォワーディング確立 ---
echo "=== 4. SSMポートフォワーディングの確立 (ポート開放不要トンネル) ==="
if [ -f "${TUNNEL_PID_FILE}" ]; then
OLD_PID=$(cat "${TUNNEL_PID_FILE}" | tr -d '[:space:]')
if [ -n "${OLD_PID}" ] && ps -p "${OLD_PID}" > /dev/null 2>&1; then
echo "古いポートフォワードプロセス (PID: ${OLD_PID}) を終了します..."
kill -9 "${OLD_PID}" 2>/dev/null || true
fi
rm -f "${TUNNEL_PID_FILE}"
fi
pkill -f "AWS-StartPortForwardingSession.*8000" 2>/dev/null || true
# バックグラウンドでSSMポートフォワーディングを開始(ログを .current_tunnel.log に出力)
nohup aws ssm start-session \
--region "${SELECTED_REGION}" \
--target "${INSTANCE_ID}" \
--document-name AWS-StartPortForwardingSession \
--parameters '{"portNumber":["8000"],"localPortNumber":["8000"]}' \
> "${TUNNEL_LOG}" 2>&1 &
TUNNEL_PID=$!
echo "${TUNNEL_PID}" > "${TUNNEL_PID_FILE}"
echo "SSMポートフォワーディングを開始しました (PID: ${TUNNEL_PID})"
sleep 2
# --- 5. ローカル疎通確認 ---
echo "=== 5. ローカル疎通確認 (http://localhost:8000/health) ==="
LOCAL_OK=false
for i in {1..10}; do
if curl -s -m 3 "http://localhost:8000/health" > /dev/null 2>&1; then
echo " ローカルからの直結疎通を確認しました! (HTTP 200 OK)"
LOCAL_OK=true
break
fi
echo -n "."
sleep 2
done
echo ""
if [ "${LOCAL_OK}" != "true" ]; then
echo "警告: ローカル接続に失敗しました。トンネルログを確認してください:"
cat "${TUNNEL_LOG}" 2>/dev/null || true
fi
echo "=========================================================="
echo " サーバーレスGPUブローカーによる直結完了!"
echo " EC2 Instance ID : ${INSTANCE_ID} (${MARKET_TYPE}, Region: ${SELECTED_REGION})"
echo " セキュリティ : インバウンドルール 0件(完全閉塞)"
echo " トンネル接続 : localhost:8000 -> EC2:8000 (SSM暗号化)"
echo " Web UI / API : http://localhost:8000/v1"
echo ""
echo " VS Code の Cline から接続してください (Base URL: http://localhost:8000/v1)"
echo " 検証終了時は以下のコマンドでリソースを破棄してください:"
echo " ./02_stop_vllm_ssm.sh"
echo "=========================================================="
実際の動作パターンと検証
#1. 通常のスポット起動(1秒台で最適リージョンを選定・起動要求)
#引数なしで実行すると、Lambdaが全リージョンを並列評価し、最安・低中断率のスポットをわずか1秒台で引き当てます。
$ ./01_start_vllm_ssm.sh
=== 1. サーバーレスGPUブローカー(Lambda)を呼び出し中 [スポット起動]... ===
==========================================================
🏆 最適スポットリージョン選定完了: us-west-2 (Rank A / 68点)
インスタンスID: i-087654321fedcba09
スポット価格 : $0.4264/h
==========================================================
インスタンスが running 状態になるのを待機中...
=== 2. SSMエージェントのオンライン待機 ===
EC2インスタンス内部のSSM Agentが接続されるのを待機中...
. SSM Agent が Online になりました! (1回目の試行)
=== 3. サーバー側での vLLM 起動待機 (http://127.0.0.1:8000/health) ===
UserDataによるS3モデルダウンロードとvLLM起動を待機しています(通常2〜4分程度)...
................................ サーバー側の vLLM が正常に応答しました!
=== 4. SSMポートフォワーディングの確立 (ポート開放不要トンネル) ===
SSMポートフォワーディングを開始しました (PID: 53120)
=== 5. ローカル疎通確認 (http://localhost:8000/health) ===
. ローカルからの直結疎通を確認しました! (HTTP 200 OK)
==========================================================
サーバーレスGPUブローカーによる直結完了!
EC2 Instance ID : i-087654321fedcba09 (spot, Region: us-west-2)
セキュリティ : インバウンドルール 0件(完全閉塞)
トンネル接続 : localhost:8000 -> EC2:8000 (SSM暗号化)
Web UI / API : http://localhost:8000/v1
VS Code の Cline から接続してください (Base URL: http://localhost:8000/v1)
検証終了時は以下のコマンドでリソースを破棄してください:
./02_stop_vllm_ssm.sh
==========================================================
2. スポット枯渇時(フォールバック案内)
#世界的にGPUキャパシティが逼迫している時間帯では、Lambdaがすべての候補リージョンを試みた上でスマートにフォールバック案内を返します:
$ ./01_start_vllm_ssm.sh
=== 1. サーバーレスGPUブローカー(Lambda)を呼び出し中 [スポット起動]... ===
==========================================================
❌ スポット在庫切れ: 全候補リージョンでスポットインスタンスを調達できませんでした。
----------------------------------------------------------
【試行した候補リージョンと結果】
- us-west-2 (68点 / Rank A): スポット余剰キャパシティ不足 (在庫切れ)
- us-east-2 (74点 / Rank A): スポット余剰キャパシティ不足 (在庫切れ)
- eu-central-1 (78点 / Rank S): スポット余剰キャパシティ不足 (在庫切れ)
- us-east-1 (68点 / Rank A): スポット余剰キャパシティ不足 (在庫切れ)
- ap-northeast-1 (43点 / Rank C): スポット余剰キャパシティ不足 (在庫切れ)
💡 通常起動(オンデマンド)であれば確実に起動可能です。
以下のコマンドで再実行してください:
# コスト最安リージョン(米オレゴン等: 約$0.98/h)で通常起動:
./01_start_vllm_ssm.sh --on-demand --strategy cost
# レイテンシー最小リージョン(東京: 約$1.34/h)で通常起動:
./01_start_vllm_ssm.sh --on-demand --strategy latency
==========================================================
3. オンデマンド起動への切り替え
#今すぐ作業を進めたい場合は、案内通りに --on-demand を付与して再実行します。
最安コスト重視(--strategy cost):
$ ./01_start_vllm_ssm.sh --on-demand --strategy cost
=== 1. サーバーレスGPUブローカー(Lambda)を呼び出し中 [通常起動 / 戦略: cost]... ===
==========================================================
⚡ 通常起動(オンデマンド)完了: 戦略 = cost
選定リージョン : us-west-2 (オレゴン (コスト最安・中遅延))
インスタンスID : i-01122334455667788
オンデマンド価格: $0.9840/h
目安レイテンシー: 約 110 ms
==========================================================
...
低遅延重視(--strategy latency):
$ ./01_start_vllm_ssm.sh --on-demand --strategy latency
=== 1. サーバーレスGPUブローカー(Lambda)を呼び出し中 [通常起動 / 戦略: latency]... ===
==========================================================
⚡ 通常起動(オンデマンド)完了: 戦略 = latency
選定リージョン : ap-northeast-1 (東京 (最低遅延・国内))
インスタンスID : i-09988776655443322
オンデマンド価格: $1.3412/h
目安レイテンシー: 約 15 ms
==========================================================
...
検証終了時のリソース破棄スクリプト (02_stop_vllm_ssm.sh)
#作業が終了したら、破棄スクリプト(02_stop_vllm_ssm.sh)を実行します。ローカルのSSMトンネルプロセスを安全に切断した上で、Lambdaブローカーに終了リクエストを発行し、EC2インスタンスおよびEBSボリュームを確実に破棄します。
02_stop_vllm_ssm.sh(クリックで展開)
#!/bin/bash
set -euo pipefail
# ==============================================================================
# 02_stop_vllm_ssm.sh
# SSMポートフォワードプロセスを終了し、Lambda経由でGPUインスタンスを破棄する
# ==============================================================================
SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
INSTANCE_STATE_FILE="${SCRIPT_DIR}/.current_instance_id"
TUNNEL_PID_FILE="${SCRIPT_DIR}/.current_tunnel_pid"
REGION_STATE_FILE="${SCRIPT_DIR}/.current_region"
TUNNEL_LOG="${SCRIPT_DIR}/.current_tunnel.log"
BROKER_REGION="ap-northeast-1"
FUNCTION_NAME="vllm-spot-broker"
# 1. SSMポートフォワードプロセスの終了
echo "=== 1. SSMポートフォワードプロセスの終了 ==="
if [ -f "${TUNNEL_PID_FILE}" ]; then
TUNNEL_PID=$(cat "${TUNNEL_PID_FILE}" | tr -d '[:space:]')
if [ -n "${TUNNEL_PID}" ] && ps -p "${TUNNEL_PID}" > /dev/null 2>&1; then
echo "SSMポートフォワードプロセス (PID: ${TUNNEL_PID}) を終了中..."
kill -9 "${TUNNEL_PID}" 2>/dev/null || true
fi
rm -f "${TUNNEL_PID_FILE}"
fi
pkill -f "AWS-StartPortForwardingSession.*8000" 2>/dev/null || true
# 2. Lambdaブローカーへのインスタンス破棄リクエスト
echo "=== 2. サーバーレスGPUブローカー(Lambda)へリソース破棄リクエスト ==="
TMP_RES=$(mktemp)
aws lambda invoke \
--region "${BROKER_REGION}" \
--function-name "${FUNCTION_NAME}" \
--payload '{"action":"terminate"}' \
--cli-binary-format raw-in-base64-out \
"${TMP_RES}" >/dev/null
STATUS=$(jq -r '.status // "error"' "${TMP_RES}" 2>/dev/null || echo "error")
if [ "${STATUS}" = "success" ]; then
COUNT=$(jq -r '.count // 0' "${TMP_RES}")
echo "=========================================================="
echo " 🛑 破棄完了! 稼働中のインスタンス ${COUNT} 台を Terminate しました。"
jq -r '.terminated_instances[]? | " - [\(.region)] \(.instance_id)"' "${TMP_RES}" 2>/dev/null || true
echo "=========================================================="
else
echo "警告: Lambda経由の破棄でエラーが返されました。ローカル情報による直接破棄を試みます..."
AWS_REGION=$(cat "${REGION_STATE_FILE}" 2>/dev/null | tr -d '[:space:]' || echo "ap-northeast-1")
INSTANCE_ID=$(cat "${INSTANCE_STATE_FILE}" 2>/dev/null | tr -d '[:space:]' || echo "")
if [ -n "${INSTANCE_ID}" ]; then
aws ec2 terminate-instances --region "${AWS_REGION}" --instance-ids "${INSTANCE_ID}" >/dev/null 2>&1 || true
echo "インスタンス ${INSTANCE_ID} (${AWS_REGION}) を直接Terminateしました。"
fi
fi
rm -f "${TMP_RES}" "${INSTANCE_STATE_FILE}" "${REGION_STATE_FILE}" "${TUNNEL_LOG}"
echo "スポットインスタンス、EBSボリューム、SSMトンネルの破棄が完了しました!"
まとめ
#今回は、マルチリージョンのGPU調達ロジックを AWS LambdaによるサーバーレスGPUブローカー へと刷新しました。
- 並列探索による高速化: Pythonのマルチスレッドにより、全リージョン・AZのスポット価格・中断率取得から判定までをわずか1〜2秒で完結。
- クライアントの責務スリム化: 複雑なマルチリージョン探索や中断率集計、フォールバックの重厚なロジックをクラウド側へ切り離し、ローカルスクリプトは接続とプロセス管理のみに専念。
- 耐障害性の向上(スマートなフォールバック): スポット全滅時も勝手に高額課金せず、明確なエラー通知と再試行オプション(コスト最安 vs 低遅延)を提供。
クラウドの余剰リソースを徹底的に使い倒すための、極めて実用的で回復力の高いGPU基盤が完成しました。
