本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 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](https://volcano.sh/en/) 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?](https://www.cncf.io/blog/2022/06/30/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
```
1. 准备好一个 Volcano 队列示例。队列是以下内容的集合[PodGroups](https://volcano.sh/en/docs/podgroup/)。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
```
1. 将示例 PodGroup 清单上传到 Amazon S3。 PodGroup 是一组关联性很强的 pod。您通常使用 PodGroup 进行批量调度。将以下示例提交 PodGroup 到您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](#tutorial-volcano-install)
1. [设置 Amazon EMR on EKS 的 Spark Operator](spark-operator-setup.md)
1. [安装 Spark Operator](spark-operator-gs.md#spark-operator-install)
运行 `helm install spark-operator-demo` 命令时包括以下参数：
```
--set batchScheduler.enable=true
--set webhook.enable=true
```
1. 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"
```
1. 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
```
1. 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](spark-submit-setup.md) 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](https://spark.apache.org/docs/latest/running-on-kubernetes.html#build) 的 **Build** 小节。**
1. 设置以下环境变量的值：
```
export SPARK_HOME=spark-home
export MASTER_URL=k8s://Amazon-EKS-cluster-endpoint
```
1. 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
```
1. 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
```