TDW-Spark 是騰訊公司級(jí)數(shù)據(jù)平臺(tái)，是騰訊海量數(shù)據(jù)處理平臺(tái)中最核心的模塊，支持百 PB 級(jí)的數(shù)據(jù)存儲(chǔ)和計(jì)算，業(yè)務(wù)涉及公司各個(gè) BG，為騰訊公司提供海量、高效、穩(wěn)定的大數(shù)據(jù)平臺(tái)支撐和決策支持，是騰訊公司最大的離線數(shù)據(jù)處理平臺(tái)。

Spark 網(wǎng)絡(luò)目前的現(xiàn)狀包括大規(guī)模部署 QP 連接數(shù)不夠用，使用 RDMA DC 解決連接數(shù)過(guò)多的問(wèn)題；Spark 不同應(yīng)用場(chǎng)景需要不同的 EP 個(gè)數(shù)、RPC 調(diào)用次數(shù)、Spark UCX 線程數(shù)、Block 大小等，需要聯(lián)合調(diào)配；RDMA 和 TCP 混合部署，需要兼容和故障逃生；以及網(wǎng)絡(luò)帶寬低，需要提升帶寬，降低延時(shí)。

Spark 原始的業(yè)務(wù)問(wèn)題包括：

(相關(guān)資料圖)

通信耗時(shí)占比高：Spark Shuffle 時(shí)間占 Spark 運(yùn)行總時(shí)間的 30% - 40%，造成 Spark 任務(wù)完成時(shí)間長(zhǎng)。

業(yè)務(wù)需求：網(wǎng)絡(luò) IO 和磁盤(pán) IO 是 Spark Shuffle 的瓶頸，需要提高通信效 率，提高計(jì)算效率。

降本增效：五萬(wàn)張已經(jīng)部署的 NVIDIA ConnectX-5 網(wǎng)卡需要提高性能利用率，切換到 RDMA，提高業(yè)務(wù)帶寬。

為了應(yīng)對(duì)上述問(wèn)題及挑戰(zhàn)，騰訊進(jìn)行了 Spark RDMA 大規(guī)模部署網(wǎng)絡(luò)的工作，主要從兩個(gè)方面著手：Spark RDMA 網(wǎng)絡(luò)部署和優(yōu)化，以及 Spark UCX / UCX 性能優(yōu)化。

具體部署調(diào)優(yōu)步驟：

搭建 37 節(jié)點(diǎn) NVIDIA ConnectX-5 網(wǎng)卡和 26 節(jié)點(diǎn) NVIDIA ConnectX-6 網(wǎng)卡 Spark 環(huán)境，部署 Spark、Spark UCX、UCX 代碼進(jìn)行長(zhǎng)穩(wěn)調(diào)優(yōu)。

基于 GroupByTest 和現(xiàn)網(wǎng) Spark 業(yè)務(wù)流量，在 UCX、Spark UCX、Spark 三個(gè)層次調(diào)優(yōu)對(duì)比 DC、RC 和 TCP 效果。

優(yōu)化 Spark UCX、UCX 代碼，根據(jù) Spark 業(yè)務(wù)調(diào)優(yōu)網(wǎng)卡和交換機(jī)配置。

通過(guò)在 NVIDIA ConnectX-5 和 NVIDIA ConnectX-6 Dx bond 引入 DCT，提升 Spark 業(yè)務(wù)帶寬利用率。

RDMA 和 TCP 網(wǎng)絡(luò)共存的情況下，保障長(zhǎng)穩(wěn)運(yùn)行和 RDMA 故障逃生。

RDMA 部署優(yōu)化完成情況：

大規(guī)模：使用 DCT 技術(shù)共享 QP 連接，解決了大規(guī)模 QP 不夠用 的問(wèn)題。大規(guī)模仿真下 Spark 應(yīng)用 RDMA 網(wǎng)絡(luò)滿(mǎn)足預(yù)期。

Spark 應(yīng)用和網(wǎng)絡(luò)聯(lián)合調(diào)優(yōu)：實(shí)現(xiàn)了最優(yōu)的網(wǎng)卡和交換機(jī)配置，以 及 Spark 任務(wù)配置，降低了 15% - 20% 左右的讀完成時(shí)間。

故障逃生：Spark UCX 和 UCX 代碼層面實(shí)現(xiàn)了 RDMA 和 TCP 通道備份。確保 RDMA 故障逃生 TCP，保證穩(wěn)定運(yùn)行。

穩(wěn)定性保證：開(kāi)發(fā)了驅(qū)動(dòng)版本檢測(cè)、網(wǎng)卡配置和檢測(cè)、自動(dòng)化安裝升級(jí)檢測(cè)功能。開(kāi)發(fā)了測(cè)試網(wǎng)絡(luò)性能模塊，保證 Spark RDMA 各層帶寬和延時(shí)滿(mǎn)足預(yù)期。

1. 參數(shù)調(diào)優(yōu)：通過(guò)調(diào)整 maxReqsInFlight、numListenerThreads 等 Spark / Spark UCX 參數(shù)，提升任務(wù)執(zhí)行效率，獲得最好傳輸速率，發(fā)揮最大系統(tǒng)效能。

2. CPU 利用率優(yōu)化：?jiǎn)⒂?sleep / wakeup 特性，替代 busy waiting 模式。讓出 CPU 給 Spark 計(jì)算任務(wù)，減少了 CPU 浪費(fèi)，體現(xiàn)了 RDMA 的優(yōu)勢(shì)。

3. 網(wǎng)路 IO 優(yōu)化：網(wǎng)路 IO 由阻塞模型改為非阻塞模型，數(shù)據(jù)接收由同步等待改為異步通知。避免了因?yàn)榫W(wǎng)路 IO 等待而 阻塞計(jì)算任務(wù)執(zhí)行，提高了每個(gè)線程的任務(wù)吞吐量，提升了收發(fā)效率和帶寬。

圖 2：網(wǎng)絡(luò) IO 優(yōu)化

4. 調(diào)度優(yōu)化：worker 的調(diào)度方式改用全局 round-robin (RR) 調(diào)度模式，替代原有的按照 thread id 選擇 worker 的 方式。避免了 thread id 不連續(xù)引起的多個(gè)線程選擇同一 worker 的問(wèn)題。

5. 數(shù)據(jù)競(jìng)爭(zhēng)優(yōu)化：將 send / receive / progress 方法打包至獨(dú)立線程運(yùn)行，保證每個(gè) worker 資源僅被單個(gè)線程 訪問(wèn) / 修改，避免了數(shù)據(jù)競(jìng)爭(zhēng)，提升了線程運(yùn)行效率。

1. 參數(shù)調(diào)優(yōu)：使用 DC 替換 RC 模式，提升傳輸帶寬，減少系統(tǒng) CPU、內(nèi)存資源消耗。開(kāi)啟 CQE zipping 和 PCI relax ordering 減少 PCI 負(fù)載。調(diào)整 UCX_ZCOPY_THRESH、UCX_RNDV_THRESH 和 UCX_RND_SCHEME，獲得穩(wěn)定高速的傳輸帶寬。

2. 網(wǎng)絡(luò)負(fù)載均衡優(yōu)化：隨機(jī)化 UDP 源端口取值，減輕由于固定端口，交換機(jī)對(duì) 5 元組哈希得到相同出端口而引起的 負(fù)載不均衡問(wèn)題，優(yōu)化網(wǎng)絡(luò)傳輸帶寬。

經(jīng)過(guò)部署調(diào)優(yōu)，NVIDIA ConnectX-6 環(huán)境 RDMA 傳輸性能比 TCP 平均有 18% 的提升；NVIDIA ConnectX-5 環(huán)境大部分場(chǎng)景 RDMA 傳輸性能比 TCP 平均有 16% 的提升?？紤]到 Spark 任務(wù)有計(jì)算和本地 write，所以對(duì) Spark 任務(wù)整體完成時(shí)間大概有 8% 的性能提升。

NVIDIA ConnetX-6 環(huán)境 RDMA 性能提升明顯（RDMA read 通信 18% 左右提升，整體完成時(shí)間 8% 左右提升），可以大規(guī)?；叶炔渴?Spark 業(yè)務(wù)真實(shí)流量。NVIDIA ConnectX-5 環(huán)境大部分場(chǎng)景性能平均提升（RDMA read 通信 16% 左右提升，整體完成時(shí)間 6% 左右提升），部分場(chǎng)景 RDMA 性能較差還需要調(diào)測(cè)優(yōu)化，可以灰度部署 Spark 業(yè)務(wù)，繼續(xù)優(yōu)化還有提升空間。

圖 5：ConnectX-5 網(wǎng)卡 37 臺(tái)規(guī)模 RDMA 完成時(shí)間比 TCP 低 18% 左右

圖 6：20 臺(tái)規(guī)模 Spark 業(yè)務(wù)灰度測(cè)試，RDMA read 平均降低 20% 左右

Spark 項(xiàng)目通過(guò)遠(yuǎn)程直接內(nèi)存訪問(wèn)（RDMA）技術(shù)解決網(wǎng)絡(luò)傳輸中服務(wù)器數(shù)據(jù)處理延遲問(wèn)題，為騰訊 Spark 大數(shù)據(jù)平臺(tái)業(yè)務(wù)提供高帶寬、低延時(shí)的通信。該技術(shù)已在二十多臺(tái)騰訊 Spark 大數(shù)據(jù)平臺(tái)服務(wù)器完成灰度測(cè)試，運(yùn)行穩(wěn)定且 Spark Shuffle（數(shù)據(jù)讀取速率）時(shí)間平均降低 15% - 18% 左右，減少了 Spark 任務(wù)完成時(shí)間（大約 8% 左右），節(jié)約了服務(wù)器資源。計(jì)劃逐步部署到數(shù)千臺(tái) Spark 服務(wù)器。

關(guān)鍵詞：