文档

加速Job应用数据访问

更新时间:

Fluid支持在Serverless场景下,通过JindoRuntime优化对象存储的访问,该访问支持缓存模式和无缓存模式。本文介绍如何使用缓存模式加速Job应用数据访问。

前提条件

使用限制

本功能与ACK弹性调度功能冲突,暂不支持同时使用。关于弹性调度功能的更多信息,请参见弹性调度

步骤一:上传测试数据到OSS Bucket

  1. 创建一个2 GB的测试文件,本文以test为例。

  2. 将测试文件上传到阿里云OSS对应的Bucket。

    您可以通过OSS提供的客户端工具ossutil上传数据。具体操作,请参见安装ossutil

步骤二:创建Dataset和JindoRuntime

当K8s和OSS环境配置完毕后,您只需要耗费几分钟即可完成Dataset和JindoRuntime环境的部署。

  1. 使用以下内容,创建secret.yaml文件。
    在创建Dataset之前,您可以创建如下YAML文件,保存OSS的fs.oss.accessKeyIdfs.oss.accessKeySecret
    apiVersion: v1
    kind: Secret
    metadata:
      name: access-key
    stringData:
      fs.oss.accessKeyId: ****
      fs.oss.accessKeySecret: ****
  2. 执行以下命令,部署Secret。
    kubectl create -f secret.yaml
  3. 使用以下内容,创建dataset.yaml文件。
    YAML文件中包含以下两部分信息:
    • Dataset:描述远端存储数据集和UFS的信息。
    • JindoRuntime:启动一个JindoFS的集群来提供缓存服务。
    apiVersion: data.fluid.io/v1alpha1
    kind: Dataset
    metadata:
      name: serverless-data
    spec:
      mounts:
      - mountPoint: oss://large-model-sh/
        name: demo
        path: /
        options:
          fs.oss.endpoint: oss-cn-shanghai.aliyuncs.com
        encryptOptions:
          - name: fs.oss.accessKeyId
            valueFrom:
              secretKeyRef:
                name: access-key
                key: fs.oss.accessKeyId
          - name: fs.oss.accessKeySecret
            valueFrom:
              secretKeyRef:
                name: access-key
                key: fs.oss.accessKeySecret
    ---
    apiVersion: data.fluid.io/v1alpha1
    kind: JindoRuntime
    metadata:
      name: serverless-data
    spec:
      replicas: 1
      tieredstore:
        levels:
          - mediumtype: MEM
            path: /dev/shm
            quota: 5Gi
            high: "0.95"
            low: "0.7"
    部分参数说明如下:
    参数说明
    mountPoint表示挂载UFS的路径,路径格式为oss://<oss_bucket>/<bucket_dir>

    路径中不需要包含Endpoint信息。如果您使用单挂载点,可以将path设置为/

    fs.oss.endpoint表示OSS Bucket的Endpoint信息,配置您的公网或私网地址。

    配置私网地址可以提高数据访问性能,但是需要您的K8s集群所在区域和OSS区域相同。例如您的Bucket在杭州Region,则公网地址为oss-cn-hangzhou.aliyuncs.com,私网地址为oss-cn-hangzhou-internal.aliyuncs.com

    fs.oss.accessKeyId表示OSS Bucket的AK ID信息,有权限访问Bucket。
    fs.oss.accessKeySecret表示OSS Bucket的AK ID密钥信息,有权限访问Bucket。
    replicas表示创建JindoRuntime缓存Worker的数量。
    mediumtype表示缓存类型。

    创建JindoRuntime模板样例时,JindoFS目前只支持HDDSSDMEM三者中的某一种缓存类型。

    path表示缓存路径,目前只支持单个路径。
    quota表示缓存最大容量。例如100 Gi表示最大可用100 GiB。
    high表示存储容量上限。
    low表示存储容量下限。
    重要 数据访问模式默认为只读模式,如果您想使用读写模式,请参考jindo_fluid_oss_append_fuseonly.md
  4. 执行以下命令,部署JindoRuntime和Dataset。
    kubectl create -f dataset.yaml
  5. 执行以下命令,查看Dataset的部署情况。
    kubectl get dataset serverless-data
    预期输出:
    NAME              UFS TOTAL SIZE   CACHED   CACHE CAPACITY   CACHED PERCENTAGE   PHASE   AGE
    serverless-data   1.16GiB          0.00B    5.00GiB          0.0%                Bound   2m8s
    由预期输出得到,PHASEBound,表示Dataset部署成功。
  6. 执行以下命令,查看JindoRuntime的部署情况。
    kubectl get jindo serverless-data
    预期输出:
    NAME              MASTER PHASE   WORKER PHASE   FUSE PHASE   AGE
    serverless-data   Ready          Ready          Ready        2m51s
    由预期输出得到,FUSEReady,表示JindoRuntime部署成功。

(可选)步骤三:数据预热

预先加热数据可以提升首次数据的访问性能。如果您希望在首次访问数据时得到更好的性能体验,建议您使用该功能。

  1. 使用以下内容,创建dataload.yaml文件。
    apiVersion: data.fluid.io/v1alpha1
    kind: DataLoad
    metadata:
      name: serverless-data-warmup
    spec:
      dataset:
        name: serverless-data
        namespace: default
      loadMetadata: true
  2. 执行以下命令,部署Dataload。
    kubectl create -f dataload.yaml
  3. 执行以下命令,查看数据预热的进度。
    kubectl get dataload
    预期输出:
    NAME                     DATASET           PHASE      AGE     DURATION
    serverless-data-warmup   serverless-data   Complete   2m49s   45s
    由预期输出得到,数据预热耗时为45s
  4. 执行以下命令,查看缓存结果。
    kubectl get dataset
    预期输出:
    NAME              UFS TOTAL SIZE   CACHED    CACHE CAPACITY   CACHED PERCENTAGE   PHASE   AGE
    serverless-data   1.16GiB          1.16GiB   5.00GiB          100.0%              Bound   5m20s
    由预期输出得到,未进行数据预热时,CACHED0.0%,数据预热后,CACHED100.0%

步骤四:创建Job类型应用容器访问OSS

您可以通过创建应用容器来使用JindoFS加速服务,或者提交机器学习作业来体验相关功能。本文以创建一个Job类型应用容器访问OSS数据服务为例进行说明。
  1. 使用以下内容,创建job.yaml文件。
    apiVersion: batch/v1
    kind: Job
    metadata:
      name: demo-app
    spec:
      template:
        metadata:
          labels:
            alibabacloud.com/fluid-sidecar-target: eci
            alibabacloud.com/eci: "true"
          annotations:
            k8s.aliyun.com/eci-use-specs: ecs.g7.4xlarge
        spec:
          containers:
            - name: demo
              image: debian:buster
              args:
                - -c
                - du -sh /data && time cp -r /data/ /tmp
              command:
                - /bin/bash
              volumeMounts:
                - mountPath: /data
                  name: demo
          restartPolicy: Never
          volumes:
            - name: demo
              persistentVolumeClaim:
                claimName: serverless-data
      backoffLimit: 4
  2. 执行以下命令,创建应用容器。
    kubectl create -f job.yaml
  3. 执行以下命令,查看启动日志。
    kubectl  logs demo-app--1-7zqdm  -c demo
    预期输出:
    real    0m1.760s
    user    0m0.002s
    sys     0m0.740s
    由预期输出得到,文件拷贝时间real0m1.760s。使用无缓存模式加速Job应用数据访问,文件拷贝时间为0m23.644s。缓存模式相比无缓存模式,速度提升了约14倍。

步骤五:清理环境

当您不再使用数据访问功能时,请及时清理环境。

  1. 执行以下命令,删除应用容器。
    kubectl delete job demo-app
  2. 执行以下命令,删除Dataset。
    kubectl delete dataset serverless-data
  • 本页导读 (1)
文档反馈