本文2020年10月27日首发于容器魔方微信公众号，原文链接HPC on Volcano：容器在气象行业HPC高性能计算场景的应用
前言：Kubernetes已经成为云原生应用编排、管理的事实标准， 越来越多的应用选择向K8S迁移。HPC作为传统的分布式计算模式，在很多领域都有着广泛的应用，很多用户都希望能将HPC应用迁移到容器中运行，通过Kubernetes强大的功能来进行作业管理。Volcano作为CNCF首个面向批量计算的分布式调度系统，也支持MPI作业的调度，本文以传统的HPC应用WRF为例，探讨Volcano是如何支持HPC应用的。
HPC简介
HPC是High Performance Computing（高性能计算）的缩写。平时提到的HPC，一般指代高性能计算机群（HPCC），它将大量的计算机软件/硬件整合起来，将大的计算作业分解成一个个小部分，通过并行计算的方式加以解决。HPC高性能计算在CAE仿真、动漫渲染、物理化学、石油勘探、生命科学、气象环境等领域有广泛的应用。
一般来说，高性能计算集群（HPCC）包含如下部分：
PBS：Protable Batch System，资源管理器，负责管理集群中所有节点的资源。除了PBS意外，常用的资源管理系统还有Slurm，LSF等
Maui：第三方任务调度器，支持资源预留，支持各种复杂的优先级策略，支持抢占机制等。资源管理器中内置了默认的任务调取器，但功能往往比较简单
OpenMPI：上层通信环境，兼顾通信库，编译，分布式启动任务的功能
上述三部分中，PBS和Maui对于用户来说是完全透明的，用户只需要按照PBS提供的方式提交作业即可，不需要了解内部细节。而OpenMPI则需要用户进行相关了解，来编写能够并行计算的应用。
下面以mpirun -np 4 ./mpi_hello_world为例介绍mpi作业是如何运行的：
调用openmpi或者其他mpi的库来编写源代码，例子里就是输出hello world字符串了
使用支持MPI的编译器来编译出可执行程序mpi_hello_world
将mpi_hello_world分发到各个节点，也可以通过共享文件系统来实现对mpi_hello_world的访问
运行mpirun来并行执行mpi_hello_world
WRF简介
WRF是Weather Research and Forecasting Model（天气研究和预报模型）的简称，是一种比较常见的HPC应用。WRF是一种中尺度数值天气预报系统，设计用于大气研究和业务预报应用，可以根据实际的大气条件或理想化的条件进行模拟。
由于WRF包含多个模块，因此处理流程可能不尽相同，这里仅以WPS和WRF这两个模块为例介绍一下完整的WRF流程：
该处理流程包括4部分：
外部数据源
前处理系统（WPS）
核心模拟系统（WRF）
后处理系统
外部数据源
包含静态地理数据，网络数据等。静态地理数据可以理解为某区域内的地理信息，例如山川，河流，湖泊，森林等等。网络数据是某区域内的气象环境数据，例如气温，风速风向，空气湿度，降雨量等等。
前处理系统
——WPS，WRF Pre-processing System）
前处理系统用于载入地理和气象数据，对气象数据进行插值，为WRF提供输入数据。该部分包含3个程序：
geogrid.exe：定义模型投影、区域范围，嵌套关系，对地表参数进行插值，处理地形资料和网格数据
ungrib.exe：从grib数据中提取所需要的气象参数
metgrid.exe：将气象参数插值到模拟区域
经过这3个程序处理后，生成可以用来进行气象模拟的数据。这3个处理程序目前不支持mpi并行运算。
核心模拟系统（WRF）
核心模拟系统对前处理系统生成的气象信息进行模拟和预报，是WRF的核心模块。该部分包含2个程序：
real.exe：初始化实际气象数据
wrf.exe：模拟及预报结果
real.exe和wrf.exe可以通过mpi并行运算来提升计算速度，例如：
上图中wrfinput_d0X和wrfbdy_d0X为real.exe的运算结果，wrf.exe以该结果为输入进行模拟演算，生成最终的气象模拟结果wrfout_dxx_yyyy-mm-dd_hh:mm:ss，并由后处理系统进行验证展示。
后处理系统
后处理系统用来验证和显示核心模拟系统的计算结果。主要由各种第三方图像和验证工具组成。下图展示了Conus 2.5km算例中各个地区相对湿度的模拟预报结果：
Conus 2.5km是指美国本土气象数据，分辨率为2.5km（将整个区域分成一个个2.5km*2.5km*2.5km的方格，每个方格中的气象信息被认为是完全一致的）。
HPC on Volcano
上面介绍了一个HPCC包括资源管理器，调度器和mpi并行计算库三部分，其中资源管理器由Kubernetes负责，调度器由Volcano负责。
在Kubernetes+Volcano环境中运行HPC应用，本质上就是在容器中运行HPC作业，示意图如下：
将运行的容器分为Master容器和Worker容器两种。Master容器负责启动mpirun/mpiexec命令，Worker容器负责运行真正的计算作业。
因此Volcano为了支持MPI作业运行，添加了如下功能：
Volcano job支持定义多个pod模板，能够同时定义master pod和worker pod
支持 Gang scheduling，保证作业中所有的pod能够同时启动
Master/Worker pod内部主机IP映射
Master/Workerpod之间ssh免密登录
作业生命周期管理
Volcano mpi作业配置mpi_sample.yaml：
apiVersion: batch.Volcano.sh/v1alpha1
kind: Job
metadata:
name: mpi-job
labels:
# 根据业务需要设置作业类型
"Volcano.sh/job-type": "MPI"
spec:
# 设置最小需要的服务 (小于总replicas数)
# 这里等于mpimaster和mpiworker的总数
minAvailable: 3
# 指定调度器为Volcano
schedulerName: Volcano
plugins:
# 提供 ssh 免密认证
ssh: []
# 提供运行作业所需要的网络信息，hosts文件，headless service等
svc: []
# 如果有pod被 杀死，重启整个作业
policies:
- event: PodEvicted
action: RestartJob
tasks:
- replicas: 1
name: mpimaster
# 当 mpiexec 结束，认为整个mpi作业结束
policies:
- event: TaskCompleted
action: CompleteJob
template:
spec:
# Volcano的信息会统一放到 /etc/Volcano 目录下
containers:
# master容器中
# 1. 启动sshd服务
# 2. 通过/etc/Volcano/mpiworker.host获取mpiworker容器列表
# 3. 运行mpirun/mpiexec
- command:
- /bin/sh
- -c
- |
MPI_HOST=`cat /etc/Volcano/mpiworker.host | tr "\n" ","`;
mkdir -p /var/run/sshd; /usr/sbin/sshd;
mpiexec --allow-run-as-root --host ${MPI_HOST} -np 2 mpi_hello_world;
image: Volcanosh/example-mpi:0.0.1
imagePullPolicy: IfNotPresent
name: mpimaster
ports:
- containerPort: 22
name: mpijob-port
workingDir: /home
resources:
requests:
cpu: "100m"
memory: "1024Mi"
limits:
cpu: "100m"
memory: "1024Mi"
restartPolicy: OnFailure
imagePullSecrets:
- name: default-secret
- replicas: 2
name: mpiworker
template:
spec:
containers:
# worker容器中只需要启动sshd服务
- command:
- /bin/sh
- -c
- |
mkdir -p /var/run/sshd; /usr/sbin/sshd -D;
image: Volcanosh/example-mpi:0.0.1
imagePullPolicy: IfNotPresent
name: mpiworker
ports:
- containerPort: 22
name: mpijob-port
workingDir: /home
resources:
requests:
cpu: "100m"
memory: "2048Mi"
limits:
cpu: "100m"
memory: "2048Mi"
restartPolicy: OnFailure
imagePullSecrets:
- name: default-secret
提交mpi Volcano job：
作业执行完毕：
查看master pod的结果：
通过上述执行结果可以看出，在作业执行结束后，Volcano只清理worker pod，保留master pod，这样用户kubectl命令获取执行结果。
此外，由于网络构建可能会出现延迟，在作业运行开始时，master pod会出现连接worker pod失败的情况。对于这种情况，Volcano会自动重启master pod，保证作业能够正确运行。
通过以上示例我们可以看出，Volcano想要运行WRF作业的话，理论上需要将其中的mpi_hello_world替换为real.exe/wrf.exe，此外，用户还需要进行如下准备：
自建docker images，包含完整的WRF运行环境
将计算所需要的数据（原生数据或者中间结果数据）挂载到相应的容器中
这样就能在Kubernetes+Volcano上运行气象模拟作业了。