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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.25 K
暂无简介
Dart
619
140
🔥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
62
19
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
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++
647
261
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
790
76