智能调度:Stanford的Quasar

智能、自动化是对系统孜孜不倦的追求,尤其是在资源调度这块。传统的YARN/MESOS有各种资源分配算法,如DRF,capacity scheduler,fair scheduler。这些调度算法聚焦在资源的匹配和分配上面。其中最大的问题设计思路是基于预留的思路,要求应用提出资源的需求,而在现实中往往是不现实的。不现实在两个方面:

  1. job需要的资源和需要处理的数据量,过程的复杂度强相关。而这两者在实际的生产系统中都不是一成不变的,所以往往预留的资源要么多大,要么过小。
  2. 单个job实际上本身也是一个复杂的过程,需要的资源也不是一成不变的。所以按理想的状态预留资源往往不现实,带来的最终结果是资源利用率不高。

关于智能资源调度方面,我早前写过一篇文章《智能调度 与 蚁群算法》,提的是设想通过蚁群算法来自动分配资源。最近看到stanford的一篇论文《Quasar: Resource-Efficient andQoS-Aware Cluster Management》,通过简单的分类算法就达到了job资源的预测和自动分配,解决了上面提到的2个资源分配的难题。

首先来看下Quasar的基本思路,基本过程对照上面的图,分下面几步:

  1. quasar不是基于资源预留和匹配的模式。Quasar提供一个high-level的接口让用户给调度器描述他性能约束条件。不同类型的workload接口不一样。比如对延迟苛刻的workload,限制条件藐视为QPS(查询次数/秒)。分布式框架,如hadoop,限制条件是执行时间。对于单机里面单线程或者多线程workload,限制条件就是low-level的IPS(每秒执行的指令数)。这个主要取决于以哪种资源分配和制定来满足workload.
  2. Quasar使用快速分类技术去评估不同的资源分配导致不同的workload性能。一个新进的workload和数据集,需要从一些server上采集一段时间(从几秒到几分钟)。这些有限的采集信息和已有的被分类离线的workload、已经被调度过的workload组合起来。分类的结果准确的估计了应用的性能,考虑各种不同的类型和数量的服务器以及单服务的资源量,排除了其他的一些干扰。Quasar将问题分配的简化成四种主要部分 每个节点 和 节点数,分配的服务器类型 和干扰的程度。这大大降低了分类的复杂性问题。
  3. quasar使用分类的结果直接用于资源的分配,消除分配和匹配的二次无效性。quasar使用贪心算法结合四个独立的分类结果,选择数量或具体的资源集,来达到(或接近)的性能约束。Quasar同时监视系统性能。如果在有空闲资源的情况下,约束没有得到满足,即使workload发生了变化(比如job内部阶段变化了)说明分类是不正确的,或贪婪的次优方案到指定结果。只要条件允许Quasar会重新分配资源。

再来看下Quasar达到的效果。

  1. Single batch job(纯粹hadoop):平均提升29%到58%。
  2. Multiple Batch Frameworks performance(Hadoop,Storm, and Spark混合):提升27%。
  3. Large-Scale Cloud Provider:从15%的cpu利用率提升到62%,提升47%。

Quasar的规模也很小,6K行代码。新增一个应用大概需要几百行即可。

总的来说,Quasar这个是非常好的一个思路,是调度的未来发展方向,是非常值得研究和跟进的技术,有兴趣的同学,可以把论文下载下来好好读读。

原文发布于微信公众号 - 大数据和云计算技术(jiezhu2007)

原文发表时间:2015-06-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏一个会写诗的程序员的博客

《Spring Boot极简教程》附录2 编程的本质N小结

尼古拉斯·沃斯(Niklaus Wirth,1934年2月15日—),生於于瑞士温特图尔,是瑞士计算机科学家。Pascal语言之父。

543
来自专栏机器之心

教程 | 一文入门Python数据分析库Pandas

选自Medium 作者:Ted Petrou 机器之心编译 参与:陈韵竹、李泽南 Pandas 通常用于快速简单的数据操作、聚合和可视化。在这篇文章中,我将概述...

2728
来自专栏IT派

争论|摩尔定律已死?GPU会取代CPU的位置吗?

如果你觉得好的话,不妨分享到朋友圈。 京举办的NVIDIA GTC China会议中,无论是AI智能运算,还是服务器数据中心、智能城市,甚至还有去年很火热但是...

3404
来自专栏吉浦迅科技

NVIDIA CUDA9RC版本:到底改变了什么?

今日,NVIDIA正式宣布可以在官网下载CUDA9.0RC版本,肯定有不少CUDA开发者很想知道CUDA9.0版本到底增加了哪些新的功能。 ? 总的来说,就是这...

3028
来自专栏林欣哲

科个普啦—抽象的理念

抽象是我们生活中普遍使用的一个概念,比如说你今天要出门,跟司机说“去科技园”,我们就用到了抽象的概念,我们只描述了去某个地方,而不是深入的描述,“左转,直走一个...

3328
来自专栏数据和云

从Approx_Count_Distinct到M7的CPU集成

昨天和朋友交流,联想起Oracle的两个特性,approx_count_distinct 和 SQL in Silicon,从软件到硬件,从典型SQL入手的优化...

2635
来自专栏人工智能LeadAI

MLSQL解决了什么问题

1、项目难以重现,可阅读性和环境要求导致能把另外一个同事写的python项目运行起来不得不靠运气

883
来自专栏斑斓

工作坊 | 领域驱动设计中的事件建模

这两日,我参加了Implementing Domain Driven Disign一书作者Vaughn Vernon组织的IDDD Workshop。培训中,V...

3517
来自专栏HTML5学堂

HTML5的学习方法

HTML5学堂:学习HTML5,除了我们要抛下足够的汗水之外,还需要有合适的方法。合理的方法能够事半功倍,而不合理的方法则事倍功半。在此,我们几个讲师结合我们的...

2815
来自专栏文渊之博

数据仓库基础介绍

本文将会讲述 BI/DW/DA 领域的一些常见概念,如:事实表、维度表、建模、多维分析、cube 等,但不涉及具体实例分析。

644

扫描关注云+社区