使用Docker部署AlluxioFuse加速深度学习训练(试验)
概述
本指南介绍读者如何使用基于JNI(Java Native Interface)的实验版的AlluxioFuse来优化机器学习任务的云端IO性能。 该实验版AlluxioFuse同默认Alluxio发行版中的基于JNR实现的AlluxioFuse相比还有一些局限性。 我们正在持续解决兼容性和优化稳定性和速度等问题。欢迎试用并提出建议。 本实验版AlluxioFuse当前仅通过容器镜像交付。
什么是FUSE和AlluxioFuse
用户空间文件系统(Filesystem in Userspace, 简称FUSE)是一个面向类Unix系统的软件接口,它使得普通用户无需更改内核代码就能创建自己的文件系统[2]。 FUSE包括kernel提供的内核模块和用户态的libfuse库。libfuse库提供了一套标准的文件系统接口。
Alluxio基于这套文件系统接口实现了简单易用的AlluxioFuse。AlluxioFuse给予了Alluxio更多易用性和灵活性,使得Alluxio能够扩展到更多场景。 由于libfuse基于C,而Alluxio基于Java,我们可以采用JNI或者JNR等不同方式使Alluxio对接libfuse。 本实验版本是使用JNI来直接对接Alluxio和libfuse,而不是Alluxio发行版默认的JNR。
在Docker上单机部署AlluxioFuse
前提条件
安装Docker
下载预生成的Aluxio Docker镜像:镜像信息如下表所示。Alluxio master和Alluxio worker使用下表中第一个镜像,而Alluxio fuse则使用第二个镜像。Alluxio fuse运行环境与Alluxio master等有差异,它还额外依赖于
libfuse
库,所以它们使用不同的镜像。
REPOSITORY | TAG |
---|---|
registry.cn-huhehaote.aliyuncs.com/alluxio/alluxio | 2.3.0-SNAPSHOT-b7629dc |
registry.cn-huhehaote.aliyuncs.com/alluxio/alluxio-fuse | 2.3.0-SNAPSHOT-b7629dc |
单机部署
设置底层存储系统
在主机上创建文件夹underStorage
作为Alluxio的底层存储系统
设置RAMFS
在主机上创建文件夹/mnt/ramdisk
,并挂载为ramfs
,注意添加ramfs的读写权限
在这个示例中,ramfs
的大小设置为了1G
,也可以根据实验环境设置为其他数值。 此后在Worker的设置中,交给Worker管理的堆外内存大小需要与其一致。
启动Alluxio master
在主机上启动alluxio-master
命令参数说明:
-u=0
表示以root
身份运行--net=host
指定容器共享主机的network namespace-v $PWD/underStorage:/opt/alluxio/underFSStoragee
表示宿主机和Docker容器共享底层存储层文件夹-e ALLUXIO_JAVA_OPTS
中设置Alluxio的配置项,其中alluxio.master.mount.table.root.ufs
设置了底层存储系统文件夹
启动Alluxio worker
在主机上启动alluxio-worker
命令参数说明:
--shm-size=1G
:设置容器的共享内存大小,与alluxio.worker.ramdisk.size
(ALLUXIO_JAVA_OPTS
中设置)和RAMFS的大小(1G
)保持一致-v /mnt/ramdisk:/opt/ramdisk
:和Docker容器共享主机的ramdisk-e ALLUXIO_RAM_FOLDER=/opt/ramdisk
:通知worker如何定位ramdisk
设置AlluxioFuse挂载路径
在主机上创建文件夹/mnt/alluxio-fuse
,AlluxioFuse会数据集挂载在这个路径下:
启动AlluxioFuse
在宿主机上启动alluxio-fuse
,注意容器挂载路径是/mnt
(而不是/mnt/alluxio-fuse
)。
命令参数说明:
-v /mnt:/mnt:rshared
:容器共享宿主机的/mnt
文件夹,Alluxio中的数据将会挂载到/mnt/alluxio-fuse
--cap-add SYS_ADMIN
:赋予容器SYS_ADMIN
权限--device /dev/fuse
:容器共享宿主机的设备/dev/fuse
--fuse-opts=kernel_cache
:设置FUSE参数,kernel_cache
表示使用page cahce
测试Alluxio集群
在alluxio-master
容器里往Alluxio添加文件
查看alluxio-fuse
容器的挂载点/mnt/alluxio-fuse
可在主机上通过挂载点直接访问Alluxio中的文件,说明Alluxio集群已成功部署。
AlluxioFuse调优
在FUSE层和Alluxio层都能进一步调优,下面分别介绍。
FUSE层优化配置项
配置项 | 默认值 | 调优建议 | 描述 |
---|---|---|---|
| 不要设置 | 开启 | |
| 建议启用 | 开启 | |
| 131072 | 使用默认值 | FUSE单次request能读取文件的大小上限。这个值在kernel被设置为32个pages,在i386上,为131072,或者说128kbytes。 |
| 1.0 | 7200 | 设置文件属性(struct inode)被缓存的时间(单位:second)。增加inode缓存时间可减少FUSE文件元数据操作,提升性能。 |
| 1.0 | 7200 | 设置文件项(struct dentry)被缓存的时间(单位:second)。增加entry缓存时间可减少FUSE文件元数据操作,提升性能。 |
| 10 | 视任务而定 | libfuse用户态daemon线程的最大闲置数量。在高并发下,这个属性过小会导致FUSE频繁创建销毁线程。建议视用户进程的IO活跃度配置。注意:libfuse 2并未提供这个参数,在alluxio-fuse容器镜像中,我们修改了libfuse代码,并通过环境变量的方式修改这个参数。 |
AlluxioFuse相关优化配置项
除了一些通用的Alluxio调优手段外,针对AlluxioFuse,我们增加了额外的配置项进行优化。AlluxioFuse优化主要分为两部分。
jnifuse
初始的Alluxio基于jnr-fuse实现AlluxioFuse,为解决性能和稳定性问题,我们基于jni-fuse
实现了AlluxioJniFuse
,可支持kernel_cache
模式。通过设置alluxio.fuse.jnifuse.enabled
在两者间切换,建议设置为true
。
注意:目前AlluxioJniFuse正处于实验阶段,不支持写入,只支持读取。
alluxio.fuse.jnifuse.enabled
属性名 | 默认值 | 调优建议 | 描述 |
---|---|---|---|
true | true | 使用jnifuse(true),否则使用jnrfuse(false)。 |
client端缓存
在高并发和kernel_cache
模式下,由于kernel的prefetch机制和FUSE的daemon多线程并发访问机制,可能破坏文件的顺序读特性,导致Alluxio产生频繁的seek gRPC请求,进而大幅降低性能。启用client端缓存可一定程度解决这个问题。
配置项alluxio.user.client.cache.enabled
决定了是否启用client端缓存,建议仅在IO压力特别大的情况下启用。若启用client端cache,还有其他配套参数可以调整,包括cache的类型、cache的存储目录、页大小和容量上限。在深度学习任务中,比较通用的配置是将cache类型设置为MEMORY
,页大小设置为2MB
,容量上限设置为2000MB
,然后通过观测cache的命中率(通过alluxio-fuse日志查看)和JVM的GC情况来适当调整页大小和cache容量。
alluxio.user.client.cache.enabledalluxio.user.client.cache.store.typealluxio.user.client.cache.diralluxio.user.client.cache.page.sizealluxio.user.client.cache.size
属性名 | 默认值 | 描述 |
---|---|---|
false | 是否启用client端cache。因为会产生额外的资源消耗,建议仅在IO压力特别高的场景下启用。 | |
LOCAL | LOCAL设置client端cache的页存储类型,可选:{LOCAL, MEMORY, ROCKS}。LOCAL表示所有页存储在一个目录(通过`alluxio.user.client.cache.dir`指定);ROCKS使用rocksDB来持久化数据;MEMORY将所有页存储在Java堆内存中。推荐使用MEMORY。 | |
/tmp/alluxio_cache | client端cache存储目录(在LOCAL和ROCKS下有效)。一般将这个目录挂载为ramfs,提升cache访问速度。 | |
1MB | client端cache的页大小。在调优时,可优先尝试2MB,4MB和8MB。注意:页大小设置过大可能导致JVM频繁GC;而太小则可能导致cache命中率过低。建议调优时,通过观察GC情况和cache命中率适当调整。 | |
512MB | client端cache的容量上限。MEMORY模式下,建议设置在1800MB以内。 |
应用实践:在阿里云上基于kubernetes集群搭建四机八卡深度学习环境
在阿里云平台基于k8s集群搭建了4机八卡深度学习训练环境,优化深度学习训练的IO性能。
实验环境说明
硬件环境
4台V100(高配GPU机型),一共32块GPU卡
数据集
使用ResNet-50模型在ImageNet数据集上测试,ImageNet数据集总大小144GB,数据以TFRecord格式存储,每个TFRecord大小约130MB。每个GPU的batch_size设置为256
数据集可从这里下载
数据存储
数据集存储在Aliyun OSS,Alluxio将OSS作为底层存储系统,模型训练程序通过AlluxioFuse读取数据
部署流程
前提条件
Kubernetes集群(version >= 1.8)
helm(version >= 3.0)
Alluxio Docker镜像(由阿里云提供)
设置虚拟内存文件系统
若设置RAMFS的挂载路径为/ram/alluxio
,则需在kubernetes集群的每台机器上,挂载RAMFS:
RAMFS的size具体大小,应视机器配置和训练任务需求而定。
设置底层文件系统
集群使用Aliyun OSS作为Alluxio的底层文件系统,详细配置过程参见在OSS上配置Alluxio。
下载helm-chart
使用helm部署Alluxio集群,需要先下载helm chart,我们使用0.14.0版,若使用其他更老版本可能存在适配问题:
配置Alluxio集群(基础版)
在配置中,至少应指定Alluxio和Alluxio-fuse的镜像(直接使用阿里云镜像),Alluxio的底层文件系统(阿里云OSS)和Alluxio的RAMFS。如下的config.yaml
文件是未使用任何参数优化情况下,部署Alluxio集群所需最简配置。
启动Alluxio集群
helm安装Alluxio集群时,指定前述的集群配置文件config.yaml
和helm chart压缩包alluxio-0.14.0.tgz
。
等待Alluxio集群部署一定时间后,查看kubernetes pod:
在配置为四机八卡的kubernetes集群上,应该有1个alluxio-master、4个alluxio-worker和4个alluxio-fuse在运行。
在集群任意一台机器查看alluxio-fuse挂载路径:
可见OSS云端数据集已成功挂载到这台机器。之后,用户便可像操作本地文件一样,在挂载数据集上运行深度学习等任务。
配置Alluxio集群(进阶版)
如果直接使用上述最简配置,alluxio-fuse读取性能难以满足深度学习训练需求。在此实例中,我们基于这个深度学习训练环境,全面优化了Alluxio集群的配置,如下所示:
上述优化涵盖了FUSE、JVM和Alluxio,最终为深度学习训练速度带来了巨大的提升。在深度学习训练时间上,使用Alluxio需要65分钟,作为对比的云上SSD则需要110分钟,提升达40%
。
总结与展望
在本文中,我们介绍了Alluxio和FUSE的技术背景,以及AlluxioFuse的应用价值,接着我们介绍了如何通过Docker镜像的方式在单机上快速部署AlluxioFuse,然后从FUSE和Alluxio层分别分析了AlluxioFuse调优方法,最后在阿里云上基于kubernetes集群部署四机八卡深度学习训练环境,提升深度学习训练速度。
为进一步提升AlluxioFuse性能,我们还在持续优化AlluxioFuse,欢迎各位尝试目前提供的阿里云实验版本镜像!
参考文献
[1] alluxio: Alluxio概览, https://docs.alluxio.io/os/user/stable/cn/Overview.html.
[2] wikipedia: FUSE, https://zh.wikipedia.org/wiki/FUSE.
[3] 阿里云容器平台:阿里云容器服务团队实践——Alluxio 优化数倍提升云上 Kubernetes 深度学习训练性能, https://www.infoq.cn/article/FLMjB7A7jD2aAWvg6Xjb.
Last updated