KubeRay RayService 在 Kueue 中的集成实现
2025-07-08 00:00:30作者:吴年前Myrtle
在 Kubernetes 生态系统中,Kueue 作为一个批处理作业队列系统,为大规模机器学习工作负载提供了高效的资源管理和调度能力。近期,Kueue 项目完成了对 KubeRay RayService 的完整支持,这标志着 KubeRay 所有核心资源类型(RayJob、RayCluster 和 RayService)都已实现与 Kueue 的深度集成。
背景与挑战
RayService 是 KubeRay 提供的关键资源类型之一,它将 RayCluster 与部署在其上的服务相结合,为生产环境中的推理服务提供了完整的解决方案。然而,在初始实现过程中,开发团队遇到了一个技术难题:当 Kueue 直接管理 RayService 时,由于 RayCluster 是由其自身控制器管理的,导致无法正常更新和配置。
解决方案
经过深入的技术分析,开发团队采用了间接管理的创新方案:
- 架构调整:Kueue 通过管理 RayCluster 来间接控制 RayService,而不是直接操作 RayService 资源
- 控制流优化:当 RayService 被提交到队列时,Kueue 会先处理其依赖的 RayCluster 资源
- 状态同步机制:建立了完善的资源状态同步机制,确保 RayService 和底层 RayCluster 的状态一致性
技术实现细节
该实现包含以下关键技术组件:
- 控制器扩展:在 Kueue 中新增了针对 RayService 的专用控制器
- 准入控制:实现了 Webhook 来验证和修改 RayService 资源
- 多队列适配器:开发了 multikueue-adapter 来支持跨队列的资源分配
生产环境价值
这一集成带来了显著的生产环境优势:
- 完整的推理服务支持:现在用户可以在 Kueue 中管理从训练到推理的完整机器学习工作流
- 高级调度能力:支持拓扑感知调度(TAS)和全有或全无(All-or-Nothing)等高级调度策略
- 资源利用率提升:通过队列管理实现了更高效的集群资源利用
未来展望
虽然当前实现已经解决了核心问题,但团队仍在探索以下方向:
- 自动扩缩容支持的集成
- 更精细化的资源配额管理
- 跨命名空间的服务调度优化
这次集成不仅完善了 Kueue 对 KubeRay 生态的支持,也为生产环境中的机器学习工作负载管理提供了更强大的工具链。
登录后查看全文
热门项目推荐
相关项目推荐
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- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
23
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
238
2.36 K
仓颉编程语言运行时与标准库。
Cangjie
122
95
暂无简介
Dart
539
117
仓颉编译器源码及 cjdb 调试工具。
C++
114
83
React Native鸿蒙化仓库
JavaScript
216
291
Ascend Extension for PyTorch
Python
77
109
🎉 (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
995
588
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++
568
113
LLVM 项目是一个模块化、可复用的编译器及工具链技术的集合。此fork用于添加仓颉编译器的功能,并支持仓颉编译器项目。
C++
32
25