加速Job应用数据访问

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

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

K8s和OSS环境配置完成后，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。

   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: ****

2. 执行以下命令，部署Secret。

   kubectl create -f secret.yaml

3. 使用以下内容，创建resource.yaml文件。

   YAML文件中包含以下两部分信息：

   • Dataset：定义远端存储数据集和UFS的信息。

   • JindoRuntime：启动一个JindoFS的集群，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
     accessModes:
       - ReadWriteMany
   ---
   apiVersion: data.fluid.io/v1alpha1
   kind: JindoRuntime
   metadata:
     name: serverless-data
   spec:
     master:
       disabled: true
     worker:
       disabled: true

   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。如果您直接访问Bucket，可以不配置<bucket_dir>。
   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。
   accessModes	表示支持的读写模式。读写模式包括ReadWriteOnce、ReadOnlyMany、ReadWriteMany和ReadWriteOncePod，默认为ReadOnlyMany。
   disabled	Master和Worker都配置为true，表示开启无缓存模式。

4. 执行以下命令，部署JindoRuntime和Dataset。

   kubectl create -f resource.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                                                                  Bound   1d

   由预期输出得到，PHASE为Bound，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        3m41s

   由预期输出得到，FUSE为Ready，表示JindoRuntime部署成功。

步骤三：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Job类型应用容器访问OSS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--1-5fr74 -c demo

   预期输出：

   real    0m23.644s
   user    0m0.004s
   sys     0m1.036s

   由预期输出得到，文件的拷贝时间real为0m23.644s。拷贝时间取决于网络延时和带宽，如果您希望加速数据访问，请参见使用缓存模式加速Job应用数据访问。

步骤四：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