在 Amazon EMR on EKS 上将 Volcano 用作 Apache Spark 自定义调度器 - Amazon EMR
概述安装提交：Spark Operator提交：spark-submit
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

在 Amazon EMR on EKS 上将 Volcano 用作 Apache Spark 自定义调度器

您可以在 Amazon EMR on EKS 上使用 Spark Operator 或 spark-submit，通过 Kubernetes 自定义调度器运行 Spark 任务。本教程旨在介绍如何使用 Volcano 调度器在自定义队列上运行 Spark 任务。

概述

Volcano 可以通过队列调度、公平分享调度和资源预留等高级功能来帮助管理 Spark 调度。有关 Volcano 优势的更多信息，请参阅 The Linux Foundation CNCF 博客上的 Why Spark chooses Volcano as built-in batch scheduler on Kubernetes? 一文。

安装并设置 Volcano

  1. 根据自己的架构需求，从以下 kubectl 命令中择一来安装 Volcano：

    # x86_64
kubectl apply -f https://raw.githubusercontent.com/volcano-sh/volcano/v1.5.1/installer/volcano-development.yaml
# arm64:
kubectl apply -f https://raw.githubusercontent.com/volcano-sh/volcano/v1.5.1/installer/volcano-development-arm64.yaml

  2. 准备好一个 Volcano 队列示例。队列是 PodGroup 的集合。队列采用 FIFO 原则，是资源划分的基础。

    cat << EOF > volcanoQ.yaml
apiVersion: scheduling.volcano.sh/v1beta1
kind: Queue
metadata:
  name: sparkqueue
spec:
  weight: 4
  reclaimable: false
  capability:
    cpu: 10
    memory: 20Gi
EOF

kubectl apply -f volcanoQ.yaml

  3. 将 PodGroup 清单示例上传到 Amazon S3。PodGroup 是一组关联性很强 Pod，通常用于批量调度。将以下 PodGroup 示例提交到在上一步中定义的队列。

    cat << EOF > podGroup.yaml
apiVersion: scheduling.volcano.sh/v1beta1
kind: PodGroup
spec:
  # Set minMember to 1 to make a driver pod
  minMember: 1
  # Specify minResources to support resource reservation. 
  # Consider the driver pod resource and executors pod resource.
  # The available resources should meet the minimum requirements of the Spark job 
  # to avoid a situation where drivers are scheduled, but they can't schedule 
  # sufficient executors to progress.
  minResources:
    cpu: "1"
    memory: "1Gi"
  # Specify the queue. This defines the resource queue that the job should be submitted to.
  queue: sparkqueue
EOF

aws s3 mv podGroup.yaml s3://bucket-name

使用 Volcano 调度器和 Spark Operator 运行 Spark 应用程序

  1. 如果尚未完成设置，请按照以下各节中的步骤完成设置：

    1. 安装并设置 Volcano

    2. 设置 Amazon EMR on EKS 的 Spark Operator

    3. 安装 Spark Operator

      运行 helm install spark-operator-demo 命令时包括以下参数：

      --set batchScheduler.enable=true 
--set webhook.enable=true

  2. 创建配置了 batchScheduler 的 SparkApplication 定义文件 spark-pi.yaml。

    apiVersion: "sparkoperator.k8s.io/v1beta2"
kind: SparkApplication
metadata:
  name: spark-pi
  namespace: spark-operator
spec:
  type: Scala
  mode: cluster
  image: "895885662937.dkr.ecr.us-west-2.amazonaws.com/spark/emr-6.10.0:latest"
  imagePullPolicy: Always
  mainClass: org.apache.spark.examples.SparkPi
  mainApplicationFile: "local:///usr/lib/spark/examples/jars/spark-examples.jar"
  sparkVersion: "3.3.1"
  batchScheduler: "volcano"   #Note: You must specify the batch scheduler name as 'volcano'
  restartPolicy:
    type: Never
  volumes:
    - name: "test-volume"
      hostPath:
        path: "/tmp"
        type: Directory
  driver:
    cores: 1
    coreLimit: "1200m"
    memory: "512m"
    labels:
      version: 3.3.1
    serviceAccount: emr-containers-sa-spark
    volumeMounts:
      - name: "test-volume"
        mountPath: "/tmp"
  executor:
    cores: 1
    instances: 1
    memory: "512m"
    labels:
      version: 3.3.1
    volumeMounts:
      - name: "test-volume"
        mountPath: "/tmp"

  3. 使用以下命令提交 Spark 应用程序。此操作还会创建名为 spark-pi 的 SparkApplication 对象：

    kubectl apply -f spark-pi.yaml

  4. 使用以下命令检查 SparkApplication 对象的事件：

    kubectl describe pods spark-pi-driver --namespace spark-operator

    第一个 Pod 事件会显示 Volcano 已安排 Pod：

    Type    Reason     Age   From                Message
----    ------     ----  ----                -------
Normal  Scheduled  23s   volcano             Successfully assigned default/spark-pi-driver to integration-worker2

使用 Volcano 调度器和 spark-submit 运行 Spark 应用程序

  1. 首先，完成 设置 Amazon EMR on EKS 的 spark-submit 小节中的步骤。必须在 Volcano 支持下构建 spark-submit 分配。有关更多信息，请参阅 Apache Spark 文档中 Using Volcano as Customized Scheduler for Spark on Kubernetes 的 Build 小节。

  2. 设置以下环境变量的值：

    export SPARK_HOME=spark-home
export MASTER_URL=k8s://Amazon-EKS-cluster-endpoint

  3. 使用以下命令提交 Spark 应用程序：

    $SPARK_HOME/bin/spark-submit \
 --class org.apache.spark.examples.SparkPi \
 --master $MASTER_URL \
 --conf spark.kubernetes.container.image=895885662937.dkr.ecr.us-west-2.amazonaws.com/spark/emr-6.10.0:latest \
 --conf spark.kubernetes.authenticate.driver.serviceAccountName=spark \
 --deploy-mode cluster \
 --conf spark.kubernetes.namespace=spark-operator \
 --conf spark.kubernetes.scheduler.name=volcano \
 --conf spark.kubernetes.scheduler.volcano.podGroupTemplateFile=/path/to/podgroup-template.yaml \
 --conf spark.kubernetes.driver.pod.featureSteps=org.apache.spark.deploy.k8s.features.VolcanoFeatureStep \
 --conf spark.kubernetes.executor.pod.featureSteps=org.apache.spark.deploy.k8s.features.VolcanoFeatureStep \
 local:///usr/lib/spark/examples/jars/spark-examples.jar 20

  4. 使用以下命令检查 SparkApplication 对象的事件：

    kubectl describe pod spark-pi --namespace spark-operator

    第一个 Pod 事件会显示 Volcano 已安排 Pod：

    Type    Reason     Age   From                Message
----    ------     ----  ----                -------
Normal  Scheduled  23s   volcano             Successfully assigned default/spark-pi-driver to integration-worker2