如何使用缓存模式加速Argo任务数据访问_容器服务 Kubernetes 版 ACK(ACK)-阿里云帮助中心

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Argo任务数据访问。

前提条件

已安装Argo或ack-workflow组件。具体操作，请参见Argo或ack-workflow。
已部署ACK虚拟节点（Virtual Node）。具体操作，请参见通过虚拟节点将Pod调度到ECI上运行。

已创建一个非ContainerOS操作系统的ACK Pro版集群，且集群版本为1.18及以上。具体操作，请参见创建ACK Pro版集群。
重要
ack-fluid组件暂不支持在ContainerOS操作系统上使用。
已安装云原生AI套件并部署ack-fluid组件。
重要
- 若您已安装开源Fluid，请卸载后再部署ack-fluid组件。
- 由于云原生AI套件中组件ack-ai-pipeline和ack-workflow存在功能冲突，如果您想使用加速Argo任务数据访问功能，需要您在部署云原生AI套件时取消勾选Kubeflow Pipelines组件。
- 未安装云原生AI套件：安装时开启Fluid数据加速。具体操作，请参见安装云原生AI套件。
- 已安装云原生AI套件：在容器服务管理控制台的云原生AI套件页面部署ack-fluid。
已通过kubectl连接Kubernetes集群。具体操作，请参见通过kubectl工具连接集群。
已开通阿里云对象存储（OSS）服务和存储空间（Bucket）。具体操作，请参见开通OSS服务和控制台创建存储空间。

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，请参见自定义弹性资源优先级调度。

步骤一：上传测试数据到OSS Bucket

创建一个2 GB的测试文件，本文以test为例。
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。

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.accessKeyId和fs.oss.accessKeySecret。
```
apiVersion: v1
kind: Secret
metadata:
  name: access-key
stringData:
  fs.oss.accessKeyId: ****
  fs.oss.accessKeySecret: ****
```
执行以下命令，部署Secret。
```
kubectl create -f secret.yaml
```

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://<oss_bucket>/<bucket_dir>
    name: demo
    path: /
    options:
      fs.oss.endpoint: <oss_endpoint>
    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
        volumeType: emptyDir
        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。例如：oss://mybucket/path/to/dir。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`	缓存类型。仅支持HDD（机械硬盘）、SSD（固态硬盘）和MEM（内存）三种类型。关于mediumtype的推荐配置，请参见策略二：选择缓存介质。
`volumeType`	缓存介质存储卷类型。仅支持emptyDir和hostPath两种类型，默认为hostPath类型。如果使用内存或本地存储的系统盘作为缓存介质，推荐选择emptyDir类型，避免节点上缓存数据残留，进而影响节点可用性。如果使用本地存储的数据盘作为缓存介质，可使用hostPath类型，并配置path指定为宿主机上数据盘的挂载路径。关于volumeType的推荐配置，请参见策略二：选择缓存介质。
`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，请参考配置数据集访问模式。

执行以下命令，部署JindoRuntime和Dataset。
```
kubectl create -f dataset.yaml
```

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，PHASE为Bound，表示Dataset部署成功。

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，FUSE为Ready，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。

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

执行以下命令，部署Dataload。
```
kubectl create -f dataload.yaml
```

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。

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，CACHED为0.0%，数据预热后，CACHED为100.0%。

步骤四：创建Argo类型任务访问OSS

使用以下内容，创建workflow.yaml文件。

apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:
  generateName: serverless-workflow-
spec:
  entrypoint: serverless-workflow-example
  volumes:
  - name: datadir
    persistentVolumeClaim:
      claimName: serverless-data

  templates:
  - name: serverless-workflow-example
    steps:
    - - name: copy
        template: copy-files
    - - name: check
        template: check-files

  - name: copy-files
    metadata:
      labels:
        alibabacloud.com/fluid-sidecar-target: eci
        alibabacloud.com/eci: "true"
      annotations:
         k8s.aliyun.com/eci-use-specs: ecs.g7.4xlarge
    container:
      image: debian:buster
      command: [bash, -c]
      args: ["time cp -r /data/ /tmp"]
      volumeMounts:
      - name: datadir
        mountPath: /data

  - name: check-files
    metadata:
      labels:
        alibabacloud.com/fluid-sidecar-target: eci
        alibabacloud.com/eci: "true"
      annotations:
         k8s.aliyun.com/eci-use-specs: ecs.g7.4xlarge
    container:
      image: debian:buster
      command: [bash, -c]
      args: ["du -sh /data; md5sum /data/*"]
      volumeMounts:
      - name: datadir
        mountPath: /data

执行以下命令，创建工作流。
```
kubectl create -f workflow.yaml
```
执行以下命令，查看启动日志。
```
kubectl logs serverless-workflow-g5knn-3271897614
```
预期输出：
```
real    0m1.948s
user    0m0.000s
sys     0m0.668s
```
由预期输出得到，文件拷贝时间real为0m1.948s。使用无缓存模式加速Argo任务数据访问，文件拷贝时间为0m24.966s。缓存模式相比无缓存模式，速度提升了约13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。具体操作如下：

执行以下命令，删除应用容器。

kubectl delete workflow serverless-workflow-g5knn

执行以下命令，删除Dataset。
```
kubectl delete dataset serverless-data
```