Apache YuniKorn 项目使用教程
2024-08-07 02:27:37作者:虞亚竹Luna
1. 项目的目录结构及介绍
Apache YuniKorn 项目的目录结构如下:
yunikorn-release/
├── helm-charts/
│ └── yunikorn/
├── perf-tools/
├── release-top-level-artifacts/
├── tools/
├── .asf.yaml
├── .gitignore
├── LICENSE
├── NOTICE
├── README.md
├── check_license.sh
├── go.mod
└── go.sum
目录介绍
helm-charts/: 包含用于 Kubernetes 的 Helm charts。perf-tools/: 性能工具目录。release-top-level-artifacts/: 发布顶级 artifacts 目录。tools/: 工具目录。.asf.yaml: Apache 软件基金会配置文件。.gitignore: Git 忽略文件。LICENSE: 项目许可证文件。NOTICE: 项目通知文件。README.md: 项目自述文件。check_license.sh: 许可证检查脚本。go.mod: Go 模块文件。go.sum: Go 模块校验和文件。
2. 项目的启动文件介绍
Apache YuniKorn 项目的启动文件主要位于 helm-charts/yunikorn/ 目录下。以下是关键文件的介绍:
helm-charts/yunikorn/templates/: 包含 Kubernetes 资源模板文件。deployment.yaml: YuniKorn 部署文件。service.yaml: YuniKorn 服务文件。configmap.yaml: YuniKorn 配置映射文件。
启动流程
- 使用 Helm 安装 YuniKorn:
helm install yunikorn ./helm-charts/yunikorn - 检查 Kubernetes 集群中的 YuniKorn 部署和服务是否正常运行。
3. 项目的配置文件介绍
Apache YuniKorn 的配置文件主要位于 helm-charts/yunikorn/values.yaml 和 helm-charts/yunikorn/templates/configmap.yaml 中。
values.yaml
values.yaml 文件包含了 Helm chart 的默认配置值,可以在此文件中自定义 YuniKorn 的配置。
configmap.yaml
configmap.yaml 文件定义了 YuniKorn 的配置映射,包含了 YuniKorn 的核心配置。
关键配置项
scheduler.name: 调度器名称。scheduler.image: 调度器镜像。scheduler.resources: 调度器资源配置。service.type: 服务类型。service.port: 服务端口。
配置示例
scheduler:
name: yunikorn
image: apache/yunikorn:latest
resources:
requests:
memory: "512Mi"
cpu: "500m"
limits:
memory: "1Gi"
cpu: "1"
service:
type: ClusterIP
port: 9089
通过修改 values.yaml 文件中的配置项,可以自定义 YuniKorn 的行为和资源分配。
以上是 Apache YuniKorn 项目的基本使用教程,涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些信息能帮助你更好地理解和使用 Apache YuniKorn。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
openEuler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。
C
390
284
🎉 (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
1.54 K
891
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++
939
861
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
1.07 K
557
暂无简介
Dart
902
218
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195