Apache YuniKorn Kubernetes Shim 使用教程
2024-08-07 09:30:11作者:卓艾滢Kingsley
项目介绍
Apache YuniKorn Kubernetes Shim 是 Apache YuniKorn 项目的一部分,负责与 Kubernetes 进行通信。它主要负责将 Kubernetes 集群资源和资源请求通过调度器接口转换并发送给调度器核心,并在调度决策完成后将 Pod 绑定到特定节点。YuniKorn 是一个灵活、高效、可扩展的资源调度器,适用于多种工作负载,特别是批处理和流处理工作负载。
项目快速启动
环境准备
在开始之前,请确保您已经安装了以下工具:
- Kubernetes 集群
kubectl命令行工具git
克隆项目仓库
git clone https://github.com/apache/yunikorn-k8shim.git
cd yunikorn-k8shim
部署 YuniKorn
- 创建命名空间:
kubectl create namespace yunikorn
- 部署 YuniKorn 调度器:
kubectl apply -f deploy/scheduler/yunikorn-scheduler-deployment.yaml -n yunikorn
- 部署 YuniKorn Web UI:
kubectl apply -f deploy/web/yunikorn-web-deployment.yaml -n yunikorn
- 配置 Kubernetes 使用 YuniKorn 调度器:
编辑 kube-scheduler 配置文件,将调度器配置为使用 YuniKorn:
apiVersion: kubescheduler.config.k8s.io/v1beta1
kind: KubeSchedulerConfiguration
leaderElection:
leaderElect: true
clientConnection:
kubeconfig: "/etc/kubernetes/scheduler.conf"
profiles:
- schedulerName: yunikorn
plugins:
queueSort:
enabled:
- name: YuniKorn
preFilter:
enabled:
- name: YuniKorn
filter:
enabled:
- name: YuniKorn
score:
enabled:
- name: YuniKorn
bind:
enabled:
- name: YuniKorn
验证部署
检查 YuniKorn 调度器和 Web UI 是否正常运行:
kubectl get pods -n yunikorn
应用案例和最佳实践
批处理作业调度
YuniKorn 特别适合批处理作业的调度。通过配置不同的队列和资源配额,可以有效地管理批处理作业的资源分配。
流处理作业调度
对于流处理作业,YuniKorn 提供了灵活的调度策略,可以根据作业的优先级和资源需求进行动态调度。
资源配额管理
通过 YuniKorn 的队列和资源配额管理功能,可以确保不同团队和项目的资源分配公平合理。
典型生态项目
Apache Hadoop
YuniKorn 可以与 Apache Hadoop 集成,提供更高效的资源调度解决方案。
Apache Spark
对于 Apache Spark 作业,YuniKorn 提供了专门的调度策略,可以优化 Spark 作业的执行效率。
Kubernetes
YuniKorn 作为 Kubernetes 的调度器插件,可以无缝集成到现有的 Kubernetes 集群中,提供更高级的调度功能。
通过以上步骤,您可以快速启动并使用 Apache YuniKorn Kubernetes Shim,并了解其在不同应用场景下的最佳实践和典型生态项目。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217