Apache YuniKorn 核心调度器使用指南
2024-08-07 23:36:25作者:裘晴惠Vivianne
项目介绍
Apache YuniKorn 是一个开源的、多租户、多框架的资源调度器,专为云原生环境设计,支持 Kubernetes 和 Apache YARN。YuniKorn 的核心调度器(yunikorn-core)是其调度逻辑的核心部分,负责收集资源信息并进行容器分配决策。
项目快速启动
环境准备
确保你已经安装了以下工具:
- Kubernetes 集群
- kubectl 命令行工具
- Git
克隆项目
首先,克隆 YuniKorn 核心调度器的代码仓库:
git clone https://github.com/apache/yunikorn-core.git
cd yunikorn-core
部署 YuniKorn
使用 Helm 部署 YuniKorn 到 Kubernetes 集群:
# 添加 YuniKorn Helm 仓库
helm repo add yunikorn https://apache.github.io/yunikorn-release
# 更新 Helm 仓库
helm repo update
# 安装 YuniKorn
helm install yunikorn yunikorn/yunikorn
访问 Web UI
通过端口转发访问 YuniKorn 的 Web UI:
kubectl port-forward svc/yunikorn-service 9889:9889 -n yunikorn
打开浏览器,访问 http://localhost:9889 即可看到 YuniKorn 的 Web UI。
应用案例和最佳实践
案例一:Spark 任务调度
YuniKorn 支持 Spark 任务的 Gang 调度,确保所有任务实例同时启动,避免部分任务因资源不足而等待。以下是一个简单的 Spark 任务调度配置示例:
apiVersion: v1
kind: Pod
metadata:
name: spark-driver
labels:
applicationId: spark-app
spec:
schedulerName: yunikorn
containers:
- name: spark-driver
image: spark:latest
command: ["spark-submit"]
args: ["--master", "k8s://https://kubernetes.default.svc", "--deploy-mode", "cluster", "your-spark-job.jar"]
最佳实践
- 资源分配策略:根据应用的资源需求和集群的资源状况,合理配置资源分配策略。
- 多租户管理:利用 YuniKorn 的多租户特性,为不同用户或团队分配独立的资源池。
- 监控与日志:集成 Prometheus 和 Grafana,实时监控调度器的性能和资源使用情况。
典型生态项目
Kubernetes Shim
YuniKorn 的 Kubernetes Shim 是一个适配器,用于将 Kubernetes 的资源管理接口与 YuniKorn 核心调度器对接。它使得 YuniKorn 能够在 Kubernetes 环境中进行资源调度和管理。
YuniKorn Web UI
YuniKorn Web UI 提供了一个集中的视图,用于查看集群资源容量、利用率以及所有应用的信息。通过 Web UI,管理员可以直观地监控和管理集群资源。
Prometheus 和 Grafana
YuniKorn 支持通过 Prometheus 暴露调度指标,并结合 Grafana 进行可视化展示。这有助于实时监控调度器的性能和资源使用情况,及时发现和解决问题。
通过以上模块的介绍和实践,你可以快速上手并充分利用 Apache YuniKorn 核心调度器的强大功能,优化你的云原生环境中的资源调度。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Ascend Extension for PyTorch
Python
241
277
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
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++
695
367
仓颉编译器源码及 cjdb 调试工具。
C++
138
869
🔥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
65
19
暂无简介
Dart
696
163
React Native鸿蒙化仓库
JavaScript
270
328
仓颉编程语言运行时与标准库。
Cangjie
145
882