作者：Daniel Gruber，Burak Yenier和Wolfgang Gentzsch，UberCloud。

該公司成立于2013年，致力于開(kāi)發(fā)HPC容器技術(shù)和容器化工程應(yīng)用程序，以促進(jìn)在共享的本地或按需云環(huán)境中訪問(wèn)和使用工程HPC工作負(fù)載。本文及上一篇文章中，他們描述了過(guò)去12個(gè)月在Kubernetes上使用UberCloud HPC容器的經(jīng)驗(yàn)。

隨著云服務(wù)的興起，CIO意識(shí)到在各種計(jì)算環(huán)境中運(yùn)行的應(yīng)用程序，中間件和基礎(chǔ)架構(gòu)需要通用的管理和操作模型。通過(guò)為每個(gè)云提供商使用不同的專(zhuān)用基礎(chǔ)架構(gòu)和應(yīng)用程序管理解決方案，在本地和云環(huán)境中維護(hù)不同的應(yīng)用程序和中間件堆棧，會(huì)在動(dòng)態(tài)分配，使用和管理這些資源時(shí)增加很多麻煩。

混合云環(huán)境中缺乏通用的管理和運(yùn)營(yíng)模型可能導(dǎo)致：

不均勻，分散的環(huán)境給管理人員，操作人員和安全性帶來(lái)了額外的復(fù)雜性。

由于沒(méi)有通用管理的混合環(huán)境，創(chuàng)新速度降低了。

當(dāng)依賴(lài)于云提供商的特定服務(wù)時(shí)，很難更改或關(guān)閉云資源。

當(dāng)綁定到特定的云環(huán)境設(shè)置時(shí)，工作負(fù)載不容易遷移回本地環(huán)境，反之亦然。

正如上一篇文章中指出的那樣，Kubernetes已成為事實(shí)上的標(biāo)準(zhǔn)容器編排器。所有主要公司都在隨處可用的標(biāo)準(zhǔn)化API之上提供并構(gòu)建解決方案。CIO現(xiàn)在正在研究Kubernetes在混合云中對(duì)HPC的適用性，因?yàn)樗鼮槊糠N環(huán)境提供了通用的管理和操作模型。

Kubernetes：混合云的通用管理和運(yùn)營(yíng)模型

Kubernetes促進(jìn)了服務(wù)器隊(duì)列中運(yùn)行的無(wú)數(shù)容器的使用和管理，它是由許多IT供應(yīng)商和云提供商支持的用于混合環(huán)境的新標(biāo)準(zhǔn)平臺(tái)?，F(xiàn)在，CIO可以分配一個(gè)完全配置并受支持的容器編排器，作為其所有應(yīng)用程序工作負(fù)載的基礎(chǔ)。

與專(zhuān)有基礎(chǔ)架構(gòu)解決方案不同，Kubernetes具有可移植性，易于管理，高可用性，可集成性和監(jiān)視功能。在Kubernetes上管理資源時(shí)，CIO不再綁定到特定的基礎(chǔ)架構(gòu)。他們可以使用相同的應(yīng)用程序堆棧為用戶(hù)提供相同的功能集，無(wú)論是本地還是在任何云中。用戶(hù)甚至不知道自己的應(yīng)用程序正在Kubernetes上運(yùn)行，也不知道它們?cè)谀膫€(gè)基礎(chǔ)架構(gòu)上運(yùn)行：是在自己的數(shù)據(jù)中心還是在特定的云提供商（例如Google，Microsoft或Amazon）上。

通過(guò)使用像Kubernetes這樣的標(biāo)準(zhǔn)化軟件棧來(lái)降低混合云環(huán)境的復(fù)雜性具有許多優(yōu)點(diǎn)：對(duì)一個(gè)平臺(tái)進(jìn)行的改進(jìn)可以自動(dòng)在其他平臺(tái)上使用；部署和運(yùn)營(yíng)方面可以簡(jiǎn)化；安全審核更容易，更嚴(yán)格地執(zhí)行。

Kubernetes和HPC

Kubernetes已經(jīng)是AI和ML的事實(shí)平臺(tái)，但是，當(dāng)涉及到傳統(tǒng)的高性能計(jì)算時(shí)，仍然存在一些挑戰(zhàn)。HPC工作負(fù)載管理器中內(nèi)置了一組功能，Kubernetes中尚不可用。我們之前在第一篇文章已經(jīng)討論了主要差異，Kubernetes在HPC方面的主要差距是：對(duì)分布式內(nèi)存作業(yè)（即MPI應(yīng)用程序）的本機(jī)支持，以及與現(xiàn)有HPC應(yīng)用程序兼容的缺少的作業(yè)排隊(duì)系統(tǒng)。

Kubernetes在許多層上都內(nèi)置了高可用性。但是，對(duì)于HPC作業(yè)，僅重啟一個(gè)失敗的容器是不夠的，因?yàn)檎麄€(gè)分布式作業(yè)本身可能已經(jīng)失敗了。在這種情況下，需要對(duì)整個(gè)分布式內(nèi)存作業(yè)進(jìn)行自動(dòng)重新計(jì)劃。這是Kubernetes無(wú)法處理的。

除了這些挑戰(zhàn)之外，Kubernetes還為HPC帶來(lái)了許多好處：例如，工程師和容器化HPC應(yīng)用程序的環(huán)境始終是相同的，無(wú)論是本地部署還是在基于云的環(huán)境中運(yùn)行；快速?gòu)囊环N基礎(chǔ)架構(gòu)轉(zhuǎn)換為另一種基礎(chǔ)架構(gòu)的能力使HPC團(tuán)隊(duì)能夠與其公司的云路線(xiàn)圖保持一致。在基于通用API（Kubernetes API）的基礎(chǔ)架構(gòu)之間移動(dòng)工作負(fù)載的自由變得很有價(jià)值。

Kubernetes上的容器化HPC應(yīng)用程序

在過(guò)去的五年中，已經(jīng)將數(shù)十種HPC應(yīng)用程序進(jìn)行了容器化，無(wú)論是商業(yè)化的，例如ANSYS，COMSOL，STAR-CCM +，還是開(kāi)源軟件包（如OpenFOAM和GROMACS），以及HPC集群調(diào)度程序，例如Univa Grid Engine和Slurm。由于采用了容器技術(shù)，因此可以提供持續(xù)不斷的更新和改進(jìn)，客戶(hù)可以快速，無(wú)縫地對(duì)其進(jìn)行更新。此外，容器映像允許用戶(hù)隨時(shí)返回到先前的應(yīng)用程序版本，以便他們始終可以重現(xiàn)其先前的結(jié)果。

在托管Kubernetes上運(yùn)行的示例HPC應(yīng)用程序集群架構(gòu)

同時(shí)，通過(guò)使用諸如Terraform和Puppet之類(lèi)的基礎(chǔ)架構(gòu)和配置管理工具或通過(guò)將特定于云的HPC集成構(gòu)建到現(xiàn)有門(mén)戶(hù)中，已經(jīng)實(shí)現(xiàn)了許多容器環(huán)境。但是隨著Kubernetes的到來(lái)，容器環(huán)境變得更易于維護(hù)并且更加動(dòng)態(tài)。控制器不斷驅(qū)動(dòng)集群，從而將集群推出，重新調(diào)整工作節(jié)點(diǎn)的規(guī)模，使用一組恒定的可搶占實(shí)例以及高可用性。

因此，Kubernetes和HPC主要差距已被消除。這樣，今天，任何Kubernetes環(huán)境都可以支持分布式內(nèi)存/ MPI作業(yè)，該環(huán)境提供了在HPC容器內(nèi)運(yùn)行的內(nèi)置HPC工作負(fù)載管理器集成。這使傳統(tǒng)的HPC應(yīng)用程序無(wú)需任何更改即可運(yùn)行。同時(shí)，通過(guò)在內(nèi)部運(yùn)行的高性能支持GPU的Pod，已成功啟動(dòng)了基于Ansys和COMSOL的GPU和未支持GPU的應(yīng)用程序。登錄到桌面后，工程師可以開(kāi)始提交批處理作業(yè)或單個(gè)MPI應(yīng)用程序，這些應(yīng)用程序分布在多個(gè)節(jié)點(diǎn)上分配的一組Pod中。

結(jié)論

Kubernetes不僅支持基于微服務(wù)的企業(yè)應(yīng)用程序，而且還支持自助服務(wù)工程HPC應(yīng)用程序。總而言之，正如該研究表明的那樣，使用Kubernetes作為運(yùn)行容器化工程應(yīng)用程序的基礎(chǔ)的主要優(yōu)點(diǎn)是：

幾乎所有基礎(chǔ)架構(gòu)上均可使用統(tǒng)一應(yīng)用程序堆棧；

真正的混合云使用方案，可滿(mǎn)足工程負(fù)載的需求。對(duì)于工程師而言，無(wú)論在本地還是在云中運(yùn)行應(yīng)用程序，它都是透明的；

通過(guò)始終分配云中可用的最新和最快的機(jī)器，從而為運(yùn)行工程應(yīng)用程序提供最佳性能；

作為工程師的自助服務(wù)，構(gòu)建并調(diào)整獨(dú)立的HPC應(yīng)用程序和計(jì)算集群的大小，并且僅受每個(gè)時(shí)間段的云配額和預(yù)算限制；

強(qiáng)大的管理堆棧，得到許多云提供商的支持；

僅通過(guò)支付使用費(fèi)用來(lái)優(yōu)化成本。不需要閑置資源，這些閑置資源將在使用前被分配；

通過(guò)獨(dú)立的專(zhuān)用計(jì)算集群實(shí)現(xiàn)高安全性；

通過(guò)自我配置和一次性組件（將更新簡(jiǎn)單地銷(xiāo)毀并重新創(chuàng)建命令），將操作開(kāi)銷(xiāo)降至最低；

基于Kubernetes的工作負(fù)載更易于集成到廣泛采用的持續(xù)集成和部署解決方案中（例如Tekton，Concourse或Jenkins的未來(lái)版本）。

在這項(xiàng)研究中，基于容器的HPC應(yīng)用程序環(huán)境已在Kubernetes之上實(shí)現(xiàn)（例如，在Google GCP和Amazon AWS上），并且還用作自助服務(wù)測(cè)試環(huán)境，可由HPC應(yīng)用程序?qū)＜叶沁\(yùn)營(yíng)商從頭開(kāi)始部署。它也已用于CI / CD管道中，以自動(dòng)構(gòu)建測(cè)試環(huán)境，以針對(duì)現(xiàn)有容器解決方案運(yùn)行測(cè)試并隨后關(guān)閉基礎(chǔ)架構(gòu)。在客戶(hù)環(huán)境中，IT部門(mén)受益于使用受支持的托管Kubernetes易于維護(hù)的系統(tǒng)，該系統(tǒng)可以在幾分鐘之內(nèi)增加，調(diào)整大小和刪除計(jì)算資源。