云原生批量计算引擎 Volcano社区v1.8.0版本正式发布

本文分享自华为云社区《云原生批量计算引擎 Volcano社区v1.8.0版本正式发布》，作者： 云容器大未来。

北京时间2023年8月17日，Volcano 社区 v1.8.0 版本正式发布，此次版本增加了以下新特性：

• 支持vGPU调度及隔离

• 支持vGPU和用户自定义资源的抢占能力

• 新增JobFlow工作流编排引擎

• 节点负载感知调度与重调度支持多样化的监控系统

• 优化Volcano对通用服务调度的能力

• 优化Volcano charts包的发布与归档

Volcano是业界首个云原生批量计算项目，于2019年6月在上海 KubeCon 正式开源，并在2020年4月成为 CNCF 官方项目。2022年4月，Volcano 正式晋级为CNCF 孵化项目。Volcano 社区开源以来，受到众多开发者、合作伙伴和用户的认可和支持。截至目前，累计有590+全球开发者参与社区贡献。

▍支持vGPU调度及隔离

自 ChatGPT 爆火之后，AI大模型的研发层出不穷，不同种类的AI大模型也相继推出，由于其庞大的训练任务需要大量算力，以 GPU 为核心的算力供给已成为大模型产业发展的关键基础设施。在实际使用场景中，用户对于 GPU 资源的使用存在资源利用率低，资源分配不灵活等痛点问题，必须采购大量冗余的异构算力才能满足业务需求，而异构算力本身成本高昂，为企业的发展带来了很大的负担。

从 1.8版本开始，Volcano 为可共享设备（GPU、NPU、FPGA...）提供一个抽象的通用框架，开发者可以基于该框架自定义多种类型的共享设备；当前，Volcano 已基于该框架实现 GPU 虚拟化特性，支持 GPU 设备复用、资源隔离等能力，详情如下：

• GPU共享：每个任务可以申请使用一个 GPU 卡的部分资源，GPU 卡可以在多个任务之间共享。

• 设备显存控制：GPU 可以按照设备显存分配（比如：3000M）或者按比例分配（比如：50%），实现 GPU 虚拟化资源隔离能力。

关于 vGPU 的更多信息，请参考：

如何使用 vGPU 功能：https://github.com/volcano-sh/volcano/blob/master/docs/user-guide/how_to_use_vgpu.md

如何增加新的异构算力共享策略：https://github.com/volcano-sh/volcano/blob/master/docs/design/device-sharing.md

▍支持vGPU和用户自定义资源的抢占能力

当前 Volcano 支持 CPU、Memory 等基础资源抢占功能，对于 GPU 资源和用户基于 Volcano 框架二次开发调度插件，并自主管理的资源（如：NPU、网络资源等）尚不能很好的支持抢占能力。

在1.8版本中，Volcano 对节点过滤相关处理（ PredicateFn 回调函数）进行重构，返回结果中增加 Status 类型，用于标识在调度、抢占等场景下，当前节点是否满足作业下发条件。GPU 抢占功能已基于优化后的框架实现发布，用户基于Volcano 进行二次开发的调度插件可以结合业务场景适配升级。

关于支持扩展资源抢占的更多信息，请参考：https://github.com/volcano-sh/volcano/pull/2916

▍新增JobFlow工作流编排引擎

工作流编排引擎广泛应用于高性能计算、AI 生物医药、图片处理、美颜、游戏AGI、科学计算等场景，帮助用户简化多个任务并行与依赖关系的管理，大幅度提升整体计算效率。

JobFlow 是一种轻量化的任务流编排引擎，专注于 Volcano 的作业编排，为Volcano 提供作业探针、作业完成依赖，作业失败率容忍等多样化作业依赖类型，并支持复杂的流程控制原语，具体能力如下：

• 支持大规模作业管理以及复杂任务流编排

• 支持实时查询到所有关联作业的运行情况以及任务进度

• 支持作业自动运行、定时启动释放人力成本

• 支持不同任务可以设置多种动作策略，当任务满足特定条件时即可触发对应动作，如超时重试、节点故障漂移等

JobFlow 任务运行演示如下：

关于 JobFlow 的更多信息，请参考：https://github.com/volcano-sh/volcano/blob/master/docs/design/jobflow/README.md

▍节点负载感知调度与重调度支持多样化的监控系统

Kubernetes 集群状态随着任务的创建和结束实时变化，在某些场景（如：增加、删除节点，Pod、Node 的亲和性改变，作业生命周期动态变化等），出现集群节点间资源利用率不均衡，节点性能瓶颈掉线等问题，此时基于真实负载的调度与重调度可以帮助我们解决上述问题。

Volcano 1.8版本之前，真实负载调度与重调度的指标获取仅支持 Prometheus，从1.8版本开始，Volcano 优化监控指标获取框架，新增 ElasticSearch 监控系统支持，并支持以较小适配工作量平滑对接更多类型监控系统。

关于支持多种监控系统的更多信息，请参考：

基于节点负载感知调度：https://github.com/volcano-sh/volcano/blob/master/docs/design/usage-based-scheduling.md

重调度：https://github.com/volcano-sh/volcano/blob/master/docs/design/rescheduling.md

▍优化Volcano对微服务调度的能力

增加Kubernetes默认调度器插件开关

Volcano 是一个统一的融合调度系统，不仅支持 AI、BigData 等计算类作业，也支持微服务工作负载，兼容 Kubernetes 默认调度器的 PodTopologySpread、VolumeZone、VolumeLimits、NodeAffinity、PodAffinity等调度插件，Kubernetes 默认调度插件能力在 Volcano 中默认开启。

自 Volcano 1.8 版本开始，Kubernetes 默认调度插件可以通过配置文件的方式自由选择打开和关闭，默认全部打开，如果选择关闭部分插件，比如：关闭PodTopologySpread 和 VolumeZone插件，可以在 predicate 插件中将对应的值设置为 false，配置如下：

actions: "allocate, backfill, preempt"tiers:- plugins: - name: priority - name: gang - name: conformance- plugins: - name: drf - name: predicates arguments: predicate.VolumeZoneEnable: false predicate.PodTopologySpreadEnable: false - name: proportion - name: nodeorder

更多信息，请参考：https://github.com/volcano-sh/volcano/issues/2748

增强ClusterAutoscaler兼容性

在 Kubernetes 平台中，Volcano 除了作为批量计算业务的调度器之外，也被越来越多的用作通用服务的调度器。Node 水平伸缩（ClusterAutoscaler）是Kubernetes 的核心功能之一，在面对用户业务量激增和节省运行成本方面发挥重要作用。Volcano 优化作业调度等相关逻辑，增强与 ClusterAutoscaler 的兼容互动能力，主要为以下两个方面：

• 调度阶段进入 pipeline 状态的 pod 及时触发扩容

• 候选节点分梯度打分，减少集群 terminating pod 对调度负载的影响，避免pod 进入无效 pipeline 状态，从而导致集群误扩容

更多信息，请参考：https://github.com/volcano-sh/volcano/issues/3000

https://github.com/volcano-sh/volcano/issues/2782

精细化管理Node资源，增强韧性

当节点中由于某种原因比如 device-plugin 上报信息异常，出现节点的某种资源总量小于已分配资源量时，Volcano 认为该节点数据不一致，会隔离节点，停止向该节点调度任何新的工作负载。在1.8版本中，对于节点资源进行精细化管理，比如：当节点的 GPU 总资源容量小于已分配资源量时，申请 GPU 资源的 pod 禁止再调度至该节点，申请非 GPU 资源的作业，将仍然允许正常向该节点调度。

更多信息，请参考：https://github.com/volcano-sh/volcano/issues/2999

▍优化Volcano charts包的发布与归档

随着 Volcano 在用户越来越多的生产环境和云环境中使用，简洁标准的安装动作至关重要。自1.8版本开始，Volcano 优化 charts 包发布归档动作，标准化安装使用流程，并完成历史版本（v1.6、v1.7）向新 helm 仓库的迁移，使用方式如下：

● 添加 Volcano charts 仓地址

helm repo add volcano-sh https://volcano-sh.github.io/helm-chart

● 查询所有可安装的 Volcano 版本

helm search repo volcano -l

● 安装最新版 Volcano

helm install volcano volcano-sh/volcano -n volcano-system --create-namespace

● 安装指定版本 Volcano，比如：1.7.0

helm install volcano volcano-sh/volcano -n volcano-system --create-namespace --version 1.7.0

关于 Volcano charts 包的更多信息，请参考：https://github.com/volcano-sh/helm-charts

▍致谢贡献者

Volcano 1.8.0 版本包含了来自 31 位贡献者的数百次代码提交，在此对各位贡献者表示由衷的感谢：

贡献者GitHub ID

 

参考链接

Release note: v1.8.0：https://github.com/volcano-sh/volcano/releases/tag/v1.8.0

Branch：release-1.8：https://github.com/volcano-sh/volcano/tree/release-1.8

深入了解Volcano

Volcano 云原生批量计算项目主要用于 AI、大数据、基因、渲染等诸多高性能计算场景，对主流通用计算框架均有很好的支持。社区已吸引5.8万+全球开发者，并获得3.2k Star 和730+ Fork，参与贡献企业包括华为、AWS、百度、腾讯、京东、小红书、博云、第四范式等。目前，Volcano在人工智能、大数据、基因测序等海量数据计算和分析场景已得到快速应用，已完成对 Spark、Flink、Tensorflow、PyTorch、Argo、MindSpore、Paddlepaddle 、Kubeflow、MPI、Horovod、mxnet、KubeGene、Ray 等众多主流计算框架的支持，并构建起完善的上下游生态。

Volcano社区技术交流地址-

Volcano官网：https://volcano.sh

GitHub: https://github.com/volcano-sh/volcano

每周例会： https://zoom.us/j/91804791393

号外！

华为将于2023年9月20-22日，在上海世博展览馆和上海世博中心举办第八届华为全联接大会（HUAWEICONNECT 2023）。本次大会以“加速行业智能化”为主题，邀请思想领袖、商业精英、技术专家、合作伙伴、开发者等业界同仁，从商业、产业、生态等方面探讨如何加速行业智能化。

我们诚邀您莅临现场，分享智能化的机遇和挑战，共商智能化的关键举措，体验智能化技术的创新和应用。您可以：

• 在100+场主题演讲、峰会、论坛中，碰撞加速行业智能化的观点
• 参观17000平米展区，近距离感受智能化技术在行业中的创新和应用
• 与技术专家面对面交流，了解最新的解决方案、开发工具并动手实践
• 与客户和伙伴共寻商机

感谢您一如既往的支持和信赖，我们热忱期待与您在上海见面。

大会官网：https://www.huawei.com/cn/events/huaweiconnect

欢迎关注“华为云开发者联盟”公众号，获取大会议程、精彩活动和前沿干货。

点击关注，第一时间了解华为云新鲜技术~