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
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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