本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 使用 Volcano 作為 Amazon EMR on EKS 上 Apache Spark 的自訂排程器
透過 Amazon EMR on EKS，可以將 Spark 運算子或 spark-submit 與 Kubernetes 自訂排程器搭配使用，以執行 Spark 作業。本教學課程介紹了如何在自訂佇列上使用 Volcano 排程器來執行 Spark 作業。
## 概觀
[Volcano](https://volcano.sh/en/) 可以透過諸如佇列排程、公平共用排程以及資源保留等進階功能來幫助管理 Spark 排程。如需有關 Volcano 優勢的詳細資訊，請參閱 The Linux Foundation 的 *CNCF 部落格*上的[為何 Spark 選擇 Volcano 作為 Kubernetes 上的內建批次排程器](https://www.cncf.io/blog/2022/06/30/why-spark-chooses-volcano-as-built-in-batch-scheduler-on-kubernetes/)。
## 安裝並設定 Volcano
1. 根據您的架構需求，選擇下列其中一個 kubectl 命令來安裝 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. 準備 Volcano 佇列範例。佇列是 [PodGroups](https://volcano.sh/en/docs/podgroup/) 的集合。佇列採用 FIFO，是資源劃分的基礎。
```
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. 將 PodGroup 清單檔案範例上傳到 Amazon S3。PodGroup 是一組具有強大關聯性的 Pod。您通常會使用 PodGroup 進行批次排程。將下列 PodGroup 範例提交到您在先前步驟中定義的佇列。
```
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 排程器和 Spark Operator 來執行 Spark 應用程式
1. 如果您尚未完成，請先完成下節中的步驟進行設定：
1. [安裝並設定 Volcano](#tutorial-volcano-install)
1. [為 Amazon EMR on EKS 設定 Spark Operator](spark-operator-setup.md)
1. [安裝 Spark Operator](spark-operator-gs.md#spark-operator-install)
當您執行 `helm install spark-operator-demo` 命令時，請包含下列引數：
```
--set batchScheduler.enable=true
--set webhook.enable=true
```
1. 建立已設定 `batchScheduler` 的 `SparkApplication` 定義檔案 `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. 使用下列命令提交 Spark 應用程式。這也會建立 `SparkApplication` 物件，名為 `spark-pi`：
```
kubectl apply -f spark-pi.yaml
```
1. 使用下列命令檢查 `SparkApplication` 物件的事件：
```
kubectl describe pods spark-pi-driver --namespace spark-operator
```
第一個 Pod 事件會顯示 Volcano 已排程 Pod：
```
Type Reason Age From Message
---- ------ ---- ---- -------
Normal Scheduled 23s volcano Successfully assigned default/spark-pi-driver to integration-worker2
```
## 使用 Volcano 排程器和 `spark-submit` 來執行 Spark 應用程式
1. 首先，請先完成 [為 Amazon EMR on EKS 設定 spark-submit](spark-submit-setup.md) 一節中的步驟。必須在 Volcano 支援下建立自己的 `spark-submit` 分發。如需詳細資訊，請參閱 Apache Spark 文件**中的[使用 Volcano 作為 Spark on Kubernetes 的自訂排程器](https://spark.apache.org/docs/latest/running-on-kubernetes.html#build)的**建置**一節。
1. 設定以下環境變數的值：
```
export SPARK_HOME=spark-home
export MASTER_URL=k8s://Amazon-EKS-cluster-endpoint
```
1. 使用下列命令提交 Spark 應用程式：
```
$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. 使用下列命令檢查 `SparkApplication` 物件的事件：
```
kubectl describe pod spark-pi --namespace spark-operator
```
第一個 Pod 事件會顯示 Volcano 已排程 Pod：
```
Type Reason Age From Message
---- ------ ---- ---- -------
Normal Scheduled 23s volcano Successfully assigned default/spark-pi-driver to integration-worker2
```