眾所周知，Spark是一個快速、通用的大規模數據處理平臺，和Hadoop的MapReduce計算框架類似。但是相對於MapReduce，Spark憑藉其可伸縮、基於內存計算等特點，以及可以直接讀寫Hadoop上任何格式數據的優勢，使批處理更加高效，並有更低的延遲。實際上，Spark已經成為輕量級大數據快速處理的統一平臺。

Spark作為一個數據計算平臺和框架，更多的是關注Spark Application的管理，而底層實際的資源調度和管理更多的是依靠外部平臺的支持：

Spark官方支持四種Cluster Manager：Spark standalone cluster manager、Mesos、YARN和Kubernetes。由於我們TalkingData是使用Kubernetes作為資源的調度和管理平臺，所以Spark On Kubernetes對於我們是最好的解決方案。

如何搭建生產可用的Kubernetes集群

部署

目前市面上有很多搭建Kubernetes的方法，比如Scratch、Kubeadm、Minikube或者各種託管方案。因為我們需要簡單快速地搭建功能驗證集群，所以選擇了Kubeadm作為集群的部署工具。部署步驟很簡單，在master上執行：

kubeadm init

在node上執行：

kubeadm join --token : --discovery-token-ca-cert-hash sha256:

具體配置可見官方文檔：https://kubernetes.io/docs/setup/independent/create-cluster-kubeadm/。

需要注意的是由於國內網絡限制，很多鏡像無法從k8s.gcr.io獲取，我們需要將之替換為第三方提供的鏡像，比如：https://hub.docker.com/u/mirrorgooglecontainers/。

網絡

Kubernetes網絡默認是通過CNI實現，主流的CNI plugin有：Linux Bridge、MACVLAN、Flannel、Calico、Kube-router、Weave Net等。Flannel主要是使用VXLAN tunnel來解決pod間的網絡通信，Calico和Kube-router則是使用BGP。由於軟VXLAN對宿主機的性能和網絡有不小的損耗，BGP則對硬件交換機有一定的要求，且我們的基礎網絡是VXLAN實現的大二層，所以我們最終選擇了MACVLAN。

CNI MACVLAN的配置示例如下：

{
 "name": "mynet",
 "type": "macvlan",
 "master": "eth0",
 "ipam": {
 "type": "host-local",
 "subnet": "10.0.0.0/17",
 "rangeStart": "10.0.64.1",
 "rangeEnd": "10.0.64.126",
 "gateway": "10.0.127.254",
 "routes": [
 {
 "dst": "0.0.0.0/0"
 },
 {
 "dst": "10.0.80.0/24",
 "gw": "10.0.0.61"
 }
 ]
 }
}

Pod subnet是10.0.0.0/17，實際pod ip pool是10.0.64.0/20。cluster cidr是10.0.80.0/24。我們使用的IPAM是host-local，規則是在每個Kubernetes node上建立/25的子網，可以提供126個IP。我們還配置了一條到cluster cidr的靜態路由10.0.80.0/24，網關是宿主機。這是因為容器在macvlan配置下egress並不會通過宿主機的iptables，這點和Linux Bridge有較大區別。在Linux Bridge模式下，只要指定內核參數net.bridge.bridge-nf-call-iptables = 1，所有進入bridge的流量都會通過宿主機的iptables。經過分析kube-proxy，我們發現可以使用KUBE-FORWARD這個chain來進行pod到service的網絡轉發：

-A FORWARD -m comment --comment "kubernetes forward rules" -j KUBE-FORWARD
-A KUBE-FORWARD -m comment --comment "kubernetes forwarding rules" -m mark --mark 0x4000/0x4000 -j ACCEPT
-A KUBE-FORWARD -s 10.0.0.0/17 -m comment --comment "kubernetes forwarding conntrack pod source rule" -m conntrack --ctstate RELATED,ESTABLISHED -j ACCEPT
-A KUBE-FORWARD -d 10.0.0.0/17 -m comment --comment "kubernetes forwarding conntrack pod destination rule" -m conntrack --ctstate RELATED,ESTABLISHED -j ACCEPT

最後通過KUBE-SERVICES使用DNAT到後端的pod。pod訪問其他網段的話，就通過物理網關10.0.127.254。

還有一個需要注意的地方是出於kernel security的考慮，link物理接口的macvlan是無法直接和物理接口通信的，這就導致容器並不能將宿主機作為網關。我們採用了一個小技巧，避開了這個限制。我們從物理接口又創建了一個macvlan，將物理IP移到了這個接口上，物理接口只作為網絡入口：

$ cat /etc/sysconfig/network-scripts/ifcfg-eth0
DEVICE=eth0
IPV6INIT=no
BOOTPROTO=none
$ cat /etc/sysconfig/network-scripts/ifcfg-macvlan
DEVICE=macvlan
NAME=macvlan
BOOTPROTO=none
ONBOOT=yes
TYPE=macvlan
DEVICETYPE=macvlan
DEFROUTE=yes
PEERDNS=yes
PEERROUTES=yes
IPV4_FAILURE_FATAL=no
IPADDR=10.0.0.61
PREFIX=17
GATEWAY=10.0.127.254
MACVLAN_PARENT=eth0
MACVLAN_MODE=bridge

這樣兩個macvlan是可以互相通信的。

Kube-dns

默認配置下，Kubernetes使用kube-dns進行DNS解析和服務發現。但在實際使用時，我們發現在pod上通過service domain訪問service總是有5秒的延遲。使用tcpdump抓包，發現延遲出現在DNS AAAA。進一步排查，發現問題是由於netfilter在conntrack和SNAT時的Race Condition導致。簡言之，DNS A和AAAA記錄請求報文是並行發出的，這會導致netfilter在_nf_conntrack_confirm時認為第二個包是重複的（因為有相同的五元組），從而丟包。具體可看我提的issue：https://github.com/kubernetes/kubernetes/issues/62628。一個簡單的解決方案是在/etc/resolv.conf中增加options single-request-reopen，使DNS A和AAAA記錄請求報文使用不同的源端口。我提的PR在：https://github.com/kubernetes/kubernetes/issues/62628，大家可以參考。我們的解決方法是不使用Kubernetes service，設置hostNetwork=true使用宿主機網絡提供DNS服務。因為我們的基礎網絡是大二層，所以pod和node可以直接通信，這就避免了conntrack和SNAT。

Spark與Kubernetes集成

由於Spark的抽象設計，我們可以使用第三方資源管理平臺調度和管理Spark作業，比如Yarn、Mesos和Kubernetes。目前官方有一個experimental項目，可以將Spark運行在Kubernetes之上：https://spark.apache.org/docs/latest/running-on-kubernetes.html。

基本原理

當我們通過spark-submit將Spark作業提交到Kubernetes集群時，會執行以下流程：

• Spark在Kubernetes pod中創建Spark driver
• Driver調用Kubernetes API創建executor pods，executor pods執行作業代碼
• 計算作業結束，executor pods回收並清理
• driver pod處於completed狀態，保留日誌，直到Kubernetes GC或者手動清理

先決條件

• Spark 2.3+
• Kubernetes 1.6+
• 具有Kubernetes pods的list, create, edit和delete權限
• Kubernetes集群必須正確配置Kubernetes DNS[1]

如何集成

Docker鏡像

由於Spark driver和executor都運行在Kubernetes pod中，並且我們使用Docker作為container runtime enviroment，所以首先我們需要建立Spark的Docker鏡像。

在Spark distribution中已包含相應腳本和Dockerfile，可以通過以下命令構建鏡像：

$ ./bin/docker-image-tool.sh -r <repo> -t my-tag build
$ ./bin/docker-image-tool.sh -r <repo> -t my-tag push

提交作業

在構建Spark鏡像後，我們可以通過以下命令提交作業：

$ bin/spark-submit \\
 --master k8s://https://: \\
 --deploy-mode cluster \\
 --name spark-pi \\
 --class org.apache.spark.examples.SparkPi \\
 --jars https://path/to/dependency1.jar,https://path/to/dependency2.jar
 --files hdfs://host:port/path/to/file1,hdfs://host:port/path/to/file2
 --conf spark.executor.instances=5 \\
 --conf spark.kubernetes.container.image= \\
 https://path/to/examples.jar

其中，Spark master是Kubernetes api server的地址，可以通過以下命令獲取：

$ kubectl cluster-info
Kubernetes master is running at http://127.0.0.1:6443

Spark的作業代碼和依賴，我們可以在--jars、--files和最後位置指定，協議支持http、https和HDFS。

執行提交命令後，會有以下輸出：

任務結束，會輸出：

訪問Spark Driver UI

我們可以在本地使用kubectl port-forward訪問Driver UI：

$ kubectl port-forward <driver-pod-name> 4040:4040

執行完後通過http://localhost:4040訪問。

訪問日誌

Spark的所有日誌都可以通過Kubernetes API和kubectl CLI進行訪問：

$ kubectl -n=<namespace> logs -f <driver-pod-name>

如何實現租戶和資源隔離

Kubernetes Namespace

在Kubernetes中，我們可以使用namespace在多用戶間實現資源分配、隔離和配額。Spark On Kubernetes同樣支持配置namespace創建Spark作業。

首先，創建一個Kubernetes namespace：

$ kubectl create namespace spark

由於我們的Kubernetes集群使用了RBAC，所以還需創建serviceaccount和綁定role：

$ kubectl create serviceaccount spark -n spark
$ kubectl create clusterrolebinding spark-role --clusterrole=edit --serviceaccount=spark:spark --namespace=spark

並在spark-submit中新增以下配置：

$ bin/spark-submit \\
 --conf spark.kubernetes.authenticate.driver.serviceAccountName=spark \\
 --conf spark.kubernetes.namespace=spark \\
 ...

資源隔離

考慮到我們Spark作業的一些特點和計算資源隔離，前期我們還是選擇了較穩妥的物理隔離方案。具體做法是為每個組提供單獨的Kubernetes namespace，計算任務都在各自namespace裡提交。計算資源以物理機為單位，折算成cpu和內存，納入Kubernetes統一管理。在Kubernetes集群裡，通過node label和PodNodeSelector將計算資源和namespace關聯。從而實現在提交Spark作業時，計算資源總是選擇namespace關聯的node。

具體做法如下：

1、創建node label

$ kubectl label nodes <node_name> spark:spark

2、開啟Kubernetes admission controller

我們是使用kubeadm安裝Kubernetes集群，所以修改/etc/kubernetes/manifests/kube-apiserver.yaml，在--admission-control後添加PodNodeSelector。

$ cat /etc/kubernetes/manifests/kube-apiserver.yaml
apiVersion: v1
kind: Pod
metadata:
 annotations:
 scheduler.alpha.kubernetes.io/critical-pod: ""
 creationTimestamp: null
 labels:
 component: kube-apiserver
 tier: control-plane
 name: kube-apiserver
 namespace: kube-system
spec:
 containers:
 - command:
 - kube-apiserver
 - --secure-port=6443
 - --proxy-client-cert-file=/etc/kubernetes/pki/front-proxy-client.crt
 - --admission-control=Initializers,NamespaceLifecycle,LimitRanger,ServiceAccount,DefaultStorageClass,DefaultTolerationSeconds,NodeRestriction,ResourceQuota,MutatingAdmissionWebhook,ValidatingAdmissionWebhook,PodNodeSelector
...

3、配置PodNodeSelector

在namespace的annotations中添加scheduler.alpha.kubernetes.io/node-selector: spark=spark。

apiVersion: v1
kind: Namespace
metadata:
 annotations:
 scheduler.alpha.kubernetes.io/node-selector: spark=spark
 name: spark

完成以上配置後，可以通過spark-submit測試結果：

$ spark-submit
--conf spark.kubernetes.authenticate.driver.serviceAccountName=spark 
--conf spark.kubernetes.namespace=spark 
--master k8s://https://xxxx:6443 
--deploy-mode cluster 
--name spark-pi 
--class org.apache.spark.examples.SparkPi 
--conf spark.executor.instances=5 
--conf spark.kubernetes.container.image=xxxx/library/spark:v2.3 
http://xxxx:81/spark-2.3.0-bin-hadoop2.7/examples/jars/spark-examples_2.11-2.3.0.jar

我們可以看到，Spark作業全分配到了關聯的hadooptest-001到003三個node上。

待解決問題

Kubernetes HA

Kubernetes的集群狀態基本都保存在etcd中，所以etcd是HA的關鍵所在。由於我們目前還處在半生產狀態，HA這方面未過多考慮。有興趣的同學可以查看：https://kubernetes.io/docs/setup/independent/high-availability/。

日誌

在Spark On Yarn下，可以開啟yarn.log-aggregation-enable將日誌收集聚合到HDFS中，以供查看。但是在Spark On Kubernetes中，則缺少這種日誌收集機制，我們只能通過Kubernetes pod的日誌輸出，來查看Spark的日誌：

$ kubectl -n=<namespace> logs -f <driver-pod-name>

收集和聚合日誌，我們後面會和ES結合。

監控

我們TalkingData內部有自己的監控平臺OWL[2]（已開源），未來我們計劃編寫metric plugin，將Kubernetes接入OWL中。

混合部署

為了保證Spark作業時刻有可用的計算資源，我們前期採用了物理隔離的方案。顯而易見，這種方式大幅降低了物理資源的使用率。下一步我們計劃採用混部方案，通過以下三種方式實現：

• 將HDFS和Kubernetes混合部署
• 為Spark作業和Kubernetes node劃分優先級，在低優先級的node上同時運行一些無狀態的其他生產服務
• 利用雲實現資源水平擴展，以防止資源突增

資源擴展

在採用以下兩種方法增加資源使用率時，集群可能會面臨資源短缺和可用性的問題：

• 混合部署
• 資源超賣

這會導致運行資源大於實際物理資源的情況（我稱之為資源擠兌）。一種做法是給資源劃分等級，優先保證部分等級的資源供給。另一種做法是實現資源的水平擴展，動態補充可用資源，並在峰值過後自動釋放。我在另一篇文章中闡述了這種設計理念：https://xiaoxubeii.github.io/articles/k8s-on-cloud/。

TalkingData有自研的多雲管理平臺，我們的解決方法是實現單獨的Kubernetes tdcloud-controller-manager作為資源的provider和manager，通過TalkingData OWL監控告警，實現資源的水平擴展。

原文鏈接：http://www.ipshop.xyz/7889.html

作者：開源大數據EMR