一文带你解读Volcano架构设计与原理

摘要：Volcano主要是基于Kubernetes做的一个批处理系统，希望上层的HPC、中间层大数据的应用以及最下面一层AI能够在统一Kubernetes上面运行的更高效。

Volcano产生的背景

上图是我们做的一个分析，我们将其分为三层，最下面为资源管理层，中间为领域的框架，包括AI的体系、HPC、Batch， WKflow的管理以及像现在的一些微服务及流量治理等。再往上是行业以及一些行业的应用。

随着一些行业的应用变得复杂，它对所需求的解决方案也越来越高。举个例子在10多年以前，在金融行业提供解决方案时，它的架构是非常简单的，可能需要一个数据库，一个ERP的中间件，就可以解决银行大部分的业务。

而现在，每天要收集大量的数据，它需要spark去做数据分析，甚至需要一些数据湖的产品去建立数据仓库，然后去做分析，产生报表。同时它还会用 AI的一些系统，来简化业务流程等。

因此，现在的一些行业应用与10年前比，变得很复杂，它可能会应用到下面这些领域框架里面的一个或多个。其实对于行业应用，它的需求是在多个领域框架作为一个融合，领域框架的诉求是下面的资源管理层能够提供统一的资源管理。

Kubernetes现在越来越多的承载了统一的资源管理的角色，它可以为 HPC这些行业领域框架提供服务，也可以作为大数据领域的资源管理层。Volcano主要是基于Kubernetes做的一个批处理系统，希望上层的HPC、中间层大数据的应用以及最下面一层AI能够在统一Kubernetes上面运行的更高效。

Volcano要解决什么样的问题？

挑战 1: 面向高性能负载的调度策略

    e.g. fair-share, gang-scheduling

挑战 2: 支持多种作业生命周期管理

    e.g. multiple pod template, error handling

挑战 3: 支持多种异构硬件

    e.g. GPU, FPGA

挑战 4: 面向高性能负载的性能优化

    e.g. scalability, throughput, network, runtime

挑战 5：支持资源管理及分时共享

    e.g. Queue, Reclaim

Volcano架构体系

蓝色部分是 K8s本身的组件，绿色的部分是Volcano新加的一些组件。

作业提交流程：

1、通过 Admission 后，kubectl 将在 kube-apiserver中创建 Job (Volcano CRD) 对像

2、JobController 根据 Job 的配置创建相应的 Pods e.g. replicas

3、Pod及PodGroup创建后，vc-scheduler 会到 kube-apiserver 获取Pod/PodGroup 以及 node 信息

4、获取信息后，vc-scheduler 将根据其配置的调度策略为每一个 Pod 选取合适节点

5、在为Pod分配节点后，kubelet 将从kube-apiserver中取得Pod的配置，启动相应的容器

需要强调的几点：

vc-scheduler 中的调度策略都以插件的形式存在, e.g. DRF, Priority, Gang

vc-controllers 包含了 QueueController, JobController，PodGroupController 以及 gc-controller

vc-scheduler 不仅可以调度批量计算的作业，也可以调度微服务作业；并且可以通过 multi-scheduler 功能与 kube-scheduler 共存

部分组件介绍

Controller

左边为Volcano Job Controller，不只调度使用的Volcano，Job的生命周期管理、作业管理都在这里面包含。我们提供了统一的作业管理，你只要使用Volcano，也不需要创建各种各样的操作，就可以直接运行作业。

右边为CRD Job Controller，通过下面的PodGroup去做集成。

scheduler架构体系

Scheduler支持动态配置和加载。左边为apiserver,右边为整个Scheduler,apiserver里有Job、Pod、Pod Group；Scheduler分为三部分，第一层为Cache,中间层为整个调度的过程，右边是以插件形式存在的调度算法。Cache会将apiserver里创建的Pod、Pod Group这些信息存储并加工为Jobinfors。中间层的OpenSession会从Cache里拉取Pod、Pod Group，同时将右边的算法插件一起获取，从而运行它的调度工作。

状态之间根据不同的操作进行转换，见下图。

另外，我们在Pod和Pod的状态方面增加了很多状态，图中蓝色部分为K8s自带的状态；绿色部分是session级别的状态，一个调度周期，我们会创建一个session，它只在调度周期内发挥作用，一旦过了调度周期，这几个状态它是失效的；黄色部分的状态是放在Cache内的。我们加这些状态的目的是减少调度和API之间的一个交互，从而来优化调度性能。

Pod的这些状态为调度器提供了更多优化的可能。例如，当进行Pod驱逐时，驱逐在Binding和Bound状态的Pod要比较驱逐Running状态的Pod的代价要小 (思考：还有其它状态的Pod可以驱逐吗？)；并且状态都是记录在Volcano调度内部，减少了与kube-apiserver的通信。但目前Volcano调度器仅使用了状态的部分功能，比如现在的preemption/reclaim仅会驱逐Running状态下的Pod；这主要是由于分布式系统中很难做到完全的状态同步，在驱逐Binding和Bound状态的Pod会有很多的状态竞争。

在功能上面能带来哪些好处？

支持多种类型作业混合部署
支持多队列用于多租户资源共享，资源规划；并分时复用资源
支持多种高级调度策略，有效提升整集群资源利用率
支持资源实时监控，用于高精度资源调度，例如热点，网络带宽；容器引擎，网络性能优化, e.g. 免加载

分布式训练场景：

Gang-scheduler

Case 1: 1 job with 2ps + 4workers

Case 2: 2 jobs with 2ps + 4workers

Case 3: 5 jobs with 2ps + 4workers

在Volcano和 kubeflow+kube-scheduler做对比，Case 1在资源充足的时候效果是差不多的；Case 2是在没有足够的资源的情况下同时运行两个作业，如果没有 gang-scheduling，其中的一个作业会出现忙等；Case 3当作业数涨到5后，很大概率出现死锁；一般只能完成2个作业。

IOAware

3个作业的执行时间总和; 每个作业带2ps + 4workers

默认调度器执行时间波动较大

执行时间的提高量依据数据在作业中的比例而定

减少 Pod Affinity/Anti-Affinity，提高调度器的整体性能

大数据场景

Spark-sql-perf (TP-DCS, master)

104 queries concurrently

(8cpu, 64G, 1600SSD) * 4nodes

Kubernetes 1.13

Driver: 1cpu,4G; Executor: (1cpu,4G)*5

如果没有固定的driver节点，最多同时运行 26 条查询语句

由于Volcano提供了作业级的资源预留，总体性能提高了~30%

HPC场景

MPI on Volcano

规划

GPU共享特性

1）算力优化：

GPU硬件加速，TensorCore
GPU共享
昇腾改造

2）调度算法优化：

Job/Task模型，提供AI类Job统一批量调度

多任务排队，支持多租户/部门共享集群

单Job内多任务集群中最优化亲和性调度、Gang Scheduling等

主流的PS-Worker、Ring AllReduce等分布式训练模型

3）流程优化

容器镜像
CICD流程
日志监控

Volcano可以支持更大规模的一个集群调度，我们现在是1万个节点百万容器，调度的性能每秒达到2000个Pod。

1)编排：

Etcd 分库分表，e.g. Event 放到单独库，wal/snapshot 单独挂盘

通过一致性哈希分散处理，实现 controller-manager 多活

Kube-apiserver 基于工作负载的弹性扩容

2)调度：

通过 EquivalenceCache，算法剪枝等技术提升单调度器的吞吐性能

通过共享资源视图实现调度器多活，提升调度速率

3)网络：

通过trunkport提升单节点容器密度及单集群ENI容量

通过 Warm Pool 预申请网口，提升网口发放速度

基于eBPF/XDP 支持大规模、高度变化的云原生应用网络，e.g. Service, network policy

4)引擎：

containerd 并发启动优化

支持shimv2，提升单节点容器密度

镜像下载加速 Lazy loading

Cromwell社区集成

Cromwell是一个流程调度软件，它可以定义不同的作业，这个软件在基因测序以及基因计算领域里应用是比较广泛的。

Cromwell 社区原生支持Volcano

企业版已经上线华为云 GCS

通过 cromwell 支持作业依赖

Volcano 提供面向作业、数据依赖的调度

Volcano CLI

KubeSim

简介：

集群进行性能测试及调度的描述工具

不受资源限制，模拟大规模K8S集群

完整的K8S API调用，不会真正创建pod

已经支持产品侧大规模专项及调度专项的模拟工作

总体结构：

Worker cluster：承载kubemark虚拟节点，hollow pod

Master cluster：管理kubemark虚拟节点，hollow node

Hollow pod = hollow kubelet + hollow proxy

社区活跃度：

• 1.4k star，300+ fork，150+ 贡献者

• 3 Maintainer，7 Reviewer

• 30 家企业、科研机构

目前使用Volcano的部分企业

点击关注，第一时间了解华为云新鲜技术~