iT邦幫忙

2024 iThome 鐵人賽
DAY 22
0
Kubernetes

異世界生存戰記：30天煉成GKE大師系列 第 22 篇

Day22 資源不夠使用了，調用一些魔力給它吧！ Kueue(二)

16th鐵人賽 kueue gke k8s job
112 瀏覽

  • 分享至 

  • xImage
    •  

https://ithelp.ithome.com.tw/upload/images/20241006/20169017jWzYCcMZqE.png

前言

上一章節，我們已經學會了基本的 Kueue 配置。而本章節將深入探討 Kueue 的運作機制，並闡述其如何透過配額管理來確保不同團隊或用戶之間的公平性，同時最大化叢集資源利用率。對於機器學習模型訓練而言，Kueue 能有效管理多個訓練任務的並行執行，避免資源爭搶，並根據預先設定的配額優先處理重要的訓練任務，從而縮短模型訓練時間並提升整體效率。

接下來，我們將分析 Kueue 的核心概念，例如配額、優先級和佇列，並演示如何配置和使用 Kueue 來最佳化 Kubernetes 叢集的資源利用率。實驗結果量化 Kueue 的效能，並展示其在提升叢集效率和降低 Job 等待時間方面的效益。

Kueue 配額共享實現 Job 排隊系統

用 Kueue 介紹如何實現 Job 排隊系統、配置 Google Kubernetes Engine (GKE) 上不同命名空間之間的工作負載資源和配額共享，以及如何最大限度地提高集群的利用率。

為了部署實驗環境所需的機器，可以參考 Day3 的 Terraform 範例。

使用 Day21 範例創建的Cluster，再多創建一個 Spot 機器的 Node Pool，為 autoscaling 0~4。

node-pool-variables.tf

module "gke" {
  node_pools = [
    var.node_pool_cpu.config,
    var.node_pool_cpu-spot.config,
  ]
  node_pools_labels = {
    "${var.node_pool_cpu-spot.config.name}" = var.node_pool_cpu-spot.kubernetes_label
  }
  node_pools_taints = {
    "${var.node_pool_cpu-spot.config.name}" = var.node_pool_cpu-spot.taints
  }
  node_pools_resource_labels = {
    "${var.node_pool_cpu-spot.config.name}" = var.node_pool_cpu-spot.node_pools_resource_labels
  }
}

### Node pool
variable "node_pool_cpu-spot" {
  default = {
      config = {
        name            = "cpu-spot"
        machine_type    = "n2-standard-4"
        max_pods_per_node = 64
        node_locations  = "us-central1-a"
        autoscaling     = true
        min_count       = 0
        max_count       = 4
        local_ssd_count = 0
        spot            = true
        disk_size_gb    = 50
        disk_type       = "pd-standard"
        image_type      = "COS_CONTAINERD"
        enable_gcfs     = true
        enable_gvnic    = false
        logging_variant = "DEFAULT"
        auto_repair     = true
        auto_upgrade    = true
        preemptible     = false
      }
      node_pools_resource_labels = {
        team = "cpu-spot"
      }
      kubernetes_label = {
        role = "cpu-spot"
      }
      taints = []
    } 
}

創建 ResourceFlavor，kubectl apply -f flavors.yaml

  • ResourceFlavor on-demand 的標簽設置為 cloud.google.com/gke-provisioning: standard
  • ResourceFlavor spot 的標簽設置為 cloud.google.com/gke-provisioning: spot 
# flavors.yaml
apiVersion: kueue.x-k8s.io/v1beta1
kind: ResourceFlavor
metadata:
  name: standard-on-demand
spec:
  nodeLabels:
    cloud.google.com/gke-provisioning: standard
---
apiVersion: kueue.x-k8s.io/v1beta1
kind: ResourceFlavor
metadata:
  name: spot
spec:
  nodeLabels:
    cloud.google.com/gke-provisioning: spot

創建 ClusterQueue 和 LocalQueue，kubectl apply -f cq-team-a.yaml ,kubectl apply -f cq-team-b.yaml。

  • 其中這兩個 ClusterQueue 共享在 .spec.cohort: all-teams 的同類群組。當兩個或更多 ClusterQueue 共享一個同類群組時，它們可以向彼此借用未使用的配額。
  • cq-team-a 和 cq-team-b 共用同一個 cohort: all-teams。
  • cq-team-a ClusterQueue 的 flavors 中的 standard-on-demand ClusterQueue 設定 cpu 請求的總和 10 core 以下，可以和同樣 cohort: all-teams 的 ClusterQueue 借 5 core，而 memory 請求的總和 10 Gi 以下，可以和同樣 cohort: all-teams 的 ClusterQueue 借 15 Gi。
  • cq-team-b ClusterQueue 的 flavors 中的 standard-on-demand ClusterQueue 設定 cpu 請求的總和 6 core 以下，可以和同樣 cohort: all-teams 的 ClusterQueue 借 3 core，而 memory 請求的總和 6 Gi 以下，可以和同樣 cohort: all-teams 的 ClusterQueue 借 3 Gi。
  • 暫時不使用 spot ClusterQueue，所以將 cpu 及 memory 都設置為 0。
  • 創建來自 namespace: team-a 命名空間中用戶的工作負載，待會會在此命名空間創建 JOB 物件，將其發送到 lq-team-a LocalQueue，然後，cq-team-a ClusterQueue 會分配這些資源。
# cq-team-a.yaml
apiVersion: kueue.x-k8s.io/v1beta1
kind: ClusterQueue
metadata:
  name: cq-team-a
spec:
  cohort: all-teams # cq-team-a 和 cq-team-b 共用同一個 cohort: all-teams
  namespaceSelector:
    matchLabels:
    # 只有 team-a 可以將作業直接提交到此佇列，之後可以透過群組分享此佇列。
      kubernetes.io/metadata.name: team-a 
  resourceGroups:
  - coveredResources: ["cpu", "memory"]
    flavors:
    - name: standard-on-demand
      resources:
      - name: "cpu"
        nominalQuota: 10
        borrowingLimit: 5
      - name: "memory"
        nominalQuota: 10Gi
        borrowingLimit: 15Gi
		# 暫時不使用 spot ResourceFlavor，所以將 cpu 及 memory 都設置為 0
    - name: spot
      resources:
      - name: "cpu"
        nominalQuota: 0
      - name: "memory"
        nominalQuota: 0
---
apiVersion: kueue.x-k8s.io/v1beta1
kind: LocalQueue
metadata:
  namespace: team-a
  name: lq-team-a
spec:
  clusterQueue: cq-team-a # 指向 ClusterQueue team-a-cq

# cq-team-b.yaml
apiVersion: kueue.x-k8s.io/v1beta1
kind: ClusterQueue
metadata:
  name: cq-team-b
spec:
  cohort: all-teams # cq-team-a 和 cq-team-b 共用同一個 cohort: all-teams
  namespaceSelector:
    matchLabels:
    # 只有 team-b 可以將作業直接提交到此佇列，之後可以透過群組分享此佇列。
      kubernetes.io/metadata.name: team-b
  resourceGroups:
  - coveredResources: ["cpu", "memory"]
    flavors:
    - name: standard-on-demand
      resources:
      - name: "cpu"
        nominalQuota: 6
        borrowingLimit: 3
      - name: "memory"
        nominalQuota: 6Gi
        borrowingLimit: 3Gi
		# 暫時不使用 spot ResourceFlavor，所以將 cpu 及 memory 都設置為 0
    - name: spot
      resources:
      - name: "cpu"
        nominalQuota: 0
      - name: "memory"
        nominalQuota: 0
---
apiVersion: kueue.x-k8s.io/v1beta1
kind: LocalQueue
metadata:
  namespace: team-b # LocalQueue under team-b namespace
  name: lq-team-b
spec:
  clusterQueue: "cq-team-b" # 指向 ClusterQueue team-b-cq

創建 Job 並觀察允許的工作負載，為這兩個 ClusterQueue（將休眠 10 秒）生成 Job，包含三個並行 Job，三個 Job 都完成才算完成。然後，Job 會在 60 秒後進行清理。

以下兩個 Job 的 resources.requests.cpu 為 1 Core，resources.requests.memory 為 1 Gi
team-a 命名空間下的 job-team-a.yaml

# job-team-a.yaml
apiVersion: batch/v1
kind: Job
metadata:
  namespace: team-a
  generateName: sample-job-team-a- # Job 名稱前綴
  labels:
    kueue.x-k8s.io/queue-name: lq-team-a # 指向 `lq-team-a` LocalQueue
spec:
  ttlSecondsAfterFinished: 60 # Job 將在 60 秒後刪除
  parallelism: 3 # 同時執行 3 個副本
  completions: 3 # 需要完成 3 次
  suspend: true # 設定為 true 以允許 Kueue 控制 Job
  template:
    spec:
      containers:
      - name: test-job
        image: gcr.io/k8s-staging-perf-tests/sleep:latest
        args: ["10s"] # Sleep for 10 seconds
        resources:
          requests:
            cpu: "1"
            memory: "1Gi"
      restartPolicy: Never

team-b 命名空間下的 job-team-b.yaml

# job-team-b.yaml
apiVersion: batch/v1
kind: Job
metadata:
  namespace: team-b 
  generateName: sample-job-team-b- # Job 名稱前綴
  labels:
    kueue.x-k8s.io/queue-name: lq-team-b # 指向 `lq-team-b` LocalQueue
spec:
  ttlSecondsAfterFinished: 60 # Job 將在 60 秒後刪除
  parallelism: 3 # 同時執行 3 個副本
  completions: 3 # 需要完成 3 次
  suspend: true # 設定為 true 以允許 Kueue 控制 Job
  template:
    spec:
      containers:
      - name: dummy-job
        image: gcr.io/k8s-staging-perf-tests/sleep:latest
        args: ["10s"] # Sleep for 10 seconds
        resources:
          requests:
            cpu: "1"
            memory: "1Gi"
      restartPolicy: Never

使用 Prometheus 監控 Kueue

監控活躍 ClusterQueue cq-team-a 的 PromQL 的查詢

kueue_pending_workloads{cluster_queue="cq-team-a", status="active"} or kueue_admitted_active_workloads{cluster_queue="cq-team-a"}

監控活躍 ClusterQueue cq-team-b 的 PromQL 的查詢

kueue_pending_workloads{cluster_queue="cq-team-b", status="active"} or kueue_admitted_active_workloads{cluster_queue="cq-team-b"}

監控集群中的節點的查詢

count(kube_node_info)

實驗開始

使用以下指令，連續創建 job-team-a 及 job-team-b

$ while :; do kubectl create -f job-team-a.yaml; sleep 1; done

$ while :; do kubectl create -f job-team-b.yaml; sleep 1; done

觀察 Prometheus 中正在排隊的 Job。或使用以下命令

$ watch -n 2 kubectl get clusterqueues -o wide

NAME            COHORT      STRATEGY         PENDING WORKLOADS   ADMITTED WORKLOADS
cq-team-a       all-teams   BestEffortFIFO   29                  3
cq-team-b       all-teams   BestEffortFIFO   25                  4

等待一段時間，確認開始有 Job 排隊中，PENDING WORKLOADS 開始不為 0，之後將上述步驟的創建 job-team-b.yaml 的命令停下來。

確認 cq-team-b Clusterqueue 都消化完了。

$ watch -n 2 kubectl get clusterqueues -o wide

NAME        COHORT      STRATEGY         PENDING WORKLOADS   ADMITTED WORKLOADS
cq-team-a   all-teams   BestEffortFIFO   32                  5
cq-team-b   all-teams   BestEffortFIFO   0                   0

輸入以下指令，確認當下的 cq-team-a Clusterqueue 狀態，滑到輸出的指令最末尾，可以查到 Flavors Usage

$ kubectl describe clusterqueue cq-team-a

...以上省略...
  Flavors Usage:
    Name:  on-demand
    Resources:
      Borrowed:  5
      Name:      cpu
      Total:     15
      Borrowed:  5Gi
      Name:      memory
      Total:     15Gi
    Name:        spot
    Resources:
      Borrowed:         0
      Name:             cpu
      Total:            0
      Borrowed:         0
      Name:             memory
      Total:            0
  Pending Workloads:    32
  Reserving Workloads:  5

發現 cq-team-a Clusterqueue 開始向同樣 cohort: all-teams的 cq-team-b 借用的可用资源。借了 5 cores cpu 及 5 Gi memory，因此總共有 15 core cpu 和 15 Gi memory 可以使用。

每一個 Job 同時執行 3 個副本，使一個 Job 進入 Clusterqueues ADMITTED WORKLOADS 總共所需 3 core cpu 和 3 Gi memory。經過計算得出 15/3=5，Clusterqueues ADMITTED WORKLOADS 可以容納 5 個 Job同時執行，計算結果和輸出結果一至。

至於消化不了的 Job 會進到 PENDING WORKLOADS，等到 ADMITTED WORKLOADS 中的 Job 執行完成後，才能將 PENDING WORKLOADS 的 Job 移到 ADMITTED WORKLOADS 開始執行。

這時可以再次啟動 job-team-b

$ while :; do kubectl create -f job-team-b.yaml; sleep 1; done

然後檢查 cq-team-a Clusterqueue 狀態

$ kubectl describe clusterqueue cq-team-a

...以上省略...
  Flavors Usage:
    Name:  on-demand
    Resources:
      Borrowed:  0
      Name:      cpu
      Total:     9
      Borrowed:  0
      Name:      memory
      Total:     9Gi

會發現 cq-team-a Clusterqueue 剛剛和 Clusterqueue job-team-b 借用的資源被收回去了，原因是因為彼此都正在啟動， 不能相互借用資源

使用 Spot 虛擬機增加配額

創建一個名為 cq-spot 的新 ClusterQueue，同類群組設置為 cohort: all-teams，

kubectl apply -f cq-spot.yaml

# cq-spot.yaml
apiVersion: kueue.x-k8s.io/v1beta1
kind: ClusterQueue
metadata:
  name: spot-cq
spec:
  cohort: all-teams # 和 cq-team-a 及 cq-team-b 使用同樣的 cohort
  resourceGroups:
  - coveredResources: ["cpu", "memory"]
    flavors:
    - name: spot
      resources:
      - name: "cpu"
        nominalQuota: 40
      - name: "memory"
        nominalQuota: 144Gi

使用以下指令，連續創建 job-team-a 及 job-team-b

$ while :; do kubectl create -f job-team-a.yaml; sleep 1; done
$ while :; do kubectl create -f job-team-b.yaml; sleep 1; done

使用 kubectl get nodes 指令查看 spot 機器有沒有 autoscaling 起來

$ kubectl get nodes
NAME                                       STATUS   ROLES    AGE     VERSION
gke-demo2-cluster-cpu-280f2740-exvz        Ready    <none>   2d1h    v1.30.3-gke.1639000
gke-demo2-cluster-cpu-280f2740-hbzc        Ready    <none>   28m     v1.30.3-gke.1639000
gke-demo2-cluster-cpu-280f2740-wodh        Ready    <none>   2d1h    v1.30.3-gke.1639000
gke-demo2-cluster-cpu-spot-f7e9537c-8ltm   Ready    <none>   2m30s   v1.30.3-gke.1969001
gke-demo2-cluster-cpu-spot-f7e9537c-d79w   Ready    <none>   2m33s   v1.30.3-gke.1969001

確定 Spot 機器 Ready 了以後，輸入 kubectl get clusterqueues -o wide ,kubectl describe clusterqueue cq-team-a 和 kubectl describe clusterqueue cq-team-b指令，查看 clusterqueue 資源被借用的情況。

$ kubectl get clusterqueues -o wide
NAME        COHORT      STRATEGY         PENDING WORKLOADS   ADMITTED WORKLOADS
cq-team-a   all-teams   BestEffortFIFO   68                  14
cq-team-b   all-teams   BestEffortFIFO   66                  15
spot-cq     all-teams   BestEffortFIFO   0                   0

$ kubectl describe clusterqueue cq-team-a

...以上省略...
  Flavors Usage:
    Name:  on-demand
    Resources:
      Borrowed:  0
      Name:      cpu
      Total:     9
      Borrowed:  0
      Name:      memory
      Total:     9Gi
    Name:        spot
    Resources:
      Borrowed:         19
      Name:             cpu
      Total:            19
      Borrowed:         19Gi
      Name:             memory
      Total:            19Gi
  Pending Workloads:    68
  Reserving Workloads:  14

$ kubectl describe clusterqueue cq-team-b

...以上省略...
  Flavors Usage:
    Name:  on-demand
    Resources:
      Borrowed:  2
      Name:      cpu
      Total:     12
      Borrowed:  2Gi
      Name:      memory
      Total:     12Gi
    Name:        spot
    Resources:
      Borrowed:         17
      Name:             cpu
      Total:            17
      Borrowed:         17Gi
      Name:             memory
      Total:            17Gi
  Pending Workloads:    66
  Reserving Workloads:  15

可以發現 clusterqueue cq-team-a 及cq-team-b 因為彼此都正在啟動， 不能相互借用資源，但是因為增加了使用同樣 cohort: all-teams 的 Spot 機器的 spot-cq ClusterQueue，所以 cq-team-a 及cq-team-b 都可以向 spot-cq ClusterQueue 借用資源，而因為我將 Spot Node Pool 設定成 Autoscaling，所以 Spot 機器的節點數量會增加 。

依照spot-cq ClusterQueue 設定，40 core cpu 及 144 GI memory。

總結

本文演示了如何使用 Kueue 在 GKE 上構建一個作業排隊系統，實現 Namespace 間的資源配額共享，並最大化集群利用率。

文章內模擬了兩個團隊共享資源，並利用同類群組（Cohort）機制實現配額借用，提高資源利用效率。 當一個團隊資源空閒時，另一個團隊可以借用，避免資源浪費。此外，教程還引入了 Spot 虛擬機作為溢出資源池，進一步提升集群彈性和成本效益。

通過 Prometheus 監控，可以實時觀察作業排隊情況和資源分配。 Kueue 有效地解決了多團隊共享集群資源的分配和管理難題，提高了集群整體效率。

參考文件


上一篇
Day21 資源不夠使用了，調用一些魔力給它吧！ Kueue(一)
下一篇
Day23 在 GKE 異世界中掌控深度學習之力 - Training model
系列文
異世界生存戰記：30天煉成GKE大師 共 30 篇
  1. 26
    Day26 GPU 軟體層級切割魔法 Time-Slicing & MPS
  2. 27
    Day27 模型神速啟動！Local SSD 究極奧義，開啟 AI 推論的超次元通道
  3. 28
    Day28 在 GKE TPU 異世界中轉職為詠唱師：Gemma LLM 部署實戰
  4. 29
    Day29 GKE 艦隊大軍集結：串連跨區域高可用多集群服務
  5. 30
    Day30 GKE 異世界之旅後記
完整目錄
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
1064 組
團體組數
40 組
累計文章數
22198 篇
完賽人數
602 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙