作者簡介：何金池是 IBM 科技事業(yè)部負(fù)責(zé)客戶工程的架構(gòu)師，著有《Kubeflow：云計算和機(jī)器學(xué)習(xí)的橋梁》和《大數(shù)據(jù)處理之道》等書，是 Kubeflow、Tekton 多個開源社區(qū)的 Maintainer，親自參與了 IBM Spectrum LSF、IBM Cloud Pak for Data 等產(chǎn)品的研發(fā)，是分布式計算、大數(shù)據(jù)處理和云原生等相關(guān)技術(shù)和產(chǎn)品的專家。

引言

當(dāng)前，我們正處在一個“數(shù)據(jù)智能”的時代，數(shù)據(jù)呈指數(shù)級增長，數(shù)字化、智能化轉(zhuǎn)型已是企業(yè)創(chuàng)新和高質(zhì)量發(fā)展的基石。在數(shù)據(jù)為王的時代，如何讓數(shù)據(jù)產(chǎn)生價值，讓數(shù)據(jù)說話，讓數(shù)據(jù)輔助決策呢?數(shù)據(jù)變寶任重而道遠(yuǎn)，只有借助于高性能計算 (HPC) 和人工智能 (AI)，數(shù)據(jù)才能淋漓盡致的綻放其價值。而在分布式的 HPC 集群的工作負(fù)載運行中，調(diào)度是 “大腦中樞”，無調(diào)度不成超算。

IBM Spectrum LSF (Load Sharing Facility，下文稱 LSF) 給分布式高性能計算系統(tǒng)注入靈魂，強(qiáng)有力地把分布在不同地方的算力組織起來，猶如萬劍歸一，凝心聚力，以實時的算力監(jiān)控和優(yōu)越的調(diào)度性能，在最短的時間內(nèi)完成工作負(fù)載的調(diào)度和執(zhí)行。

LSF 橫空出世并一往直前

站在今天看過去，分布式高性能計算一直是 IT 行業(yè)的熱門話題。就是算力強(qiáng)悍的今天，大型機(jī) (比如 IBM Z 系列) 已經(jīng)承載了一些核心的業(yè)務(wù)，但一些其他的應(yīng)用和作業(yè)，無福享受到強(qiáng)悍的大型機(jī)的伺候，更何況把目光往前推 20多年，單個主機(jī)很難滿足應(yīng)用作業(yè)的需求，那怎么辦呢?最直接的方式就是把一群機(jī)器組織起來，并行干活。如果有一把絕世寶劍，來統(tǒng)一號令集群協(xié)同工作，只要調(diào)度得當(dāng)，完全有可能實現(xiàn)“機(jī)心齊，泰山移”。

在這種背景下，LSF 于 1992年橫空出世。到今天，LSF 已經(jīng)走過了 29個年頭。在這 29年的發(fā)展中，新的技術(shù)層出不窮，用戶的需求也在不斷變化，經(jīng)過 LSF 研發(fā)團(tuán)隊的精益求精和不懈努力，LSF 已經(jīng)發(fā)展成為 HPC 分布式集群的“瑞士軍刀”，擁有高性能的大規(guī)模分布式集群管理和調(diào)度能力。近日在中國，LSF 被 IBM 中國團(tuán)隊創(chuàng)業(yè)成長計劃“12星座”冠以“白羊座”黑科技產(chǎn)品，算是名至所歸。29歲，LSF 正當(dāng)壯年!

那么 LSF 到底是什么呢?LSF 是一個強(qiáng)大的分布式工作負(fù)載管理平臺，基于智能的、策略驅(qū)動的調(diào)度特性，充分利用計算基礎(chǔ)設(shè)施資源，實現(xiàn)最佳的應(yīng)用程序性能。一言以蔽之，LSF 在正確的時間內(nèi)，將正確的資源分配給正確的用戶作業(yè)。LSF 旨在降低企業(yè)運營成本的同時，提高生產(chǎn)效率。

經(jīng)過二十多年的發(fā)展，相對于最初的 LSF 1.0 版本，最新的 LSF 10.1，不管是功能上，還是性能上，都得到了質(zhì)的飛躍。LSF 從最初簡單的調(diào)度器，發(fā)展到今天豐富多彩的調(diào)度“航母”，不僅后向兼容，而且不斷創(chuàng)新，支持層出不群的新技術(shù)和新平臺，比如支持 GPU 和 Kubernetes 等，也支持機(jī)器學(xué)習(xí)的平臺和作業(yè)，AI 賦能，發(fā)展出了很多周邊產(chǎn)品，一往無前的創(chuàng)新和完善的功能，讓 29歲的 LSF 成為了妥妥的“黑科技”。

在分布式管理和調(diào)度方面，LSF 的功能可謂應(yīng)有盡有，僅僅調(diào)度策略，就有數(shù)十種，比如先來先服務(wù) (FCFS)、搶占 (Preemption)、資源需求 (Resource Requirement)、公開共享 (Fair share Scheduling)、服務(wù)水平的資源保障 (Guarantee SLA)、資源預(yù)訂 (Resource Reservations)、回填調(diào)度 (Backfill Scheduling)、親和調(diào)度 (Affinity Scheduling) 等。

LSF 不光支持 CPU 等常見算力，而且也支持 GPU 調(diào)度。同時支持多集群調(diào)度，塊調(diào)度、作業(yè)動態(tài)調(diào)度、許可證(License)調(diào)度，基于事件的調(diào)度、計算單元和作業(yè)包裝、作業(yè)開始時間預(yù)測等功能。

LSF 也支持容器化的應(yīng)用的調(diào)度，LSF 可作為 Kubernetes 集群的熱插拔調(diào)度器，根據(jù)策略將 Pod 綁定到特定節(jié)點，由 Kubelet 在目標(biāo)節(jié)點上執(zhí)行和管理 Pod 生命周期，HPC 作業(yè)可以在不影響 Kubernetes Pods 的情況下提交和執(zhí)行。

同時，LSF 支持混合云策略，LSF 有一個非常受歡迎的功能：Resource Connector。如果在作業(yè)激增的情況下，等待作業(yè)較多，本地資源不足的情況下，Resource Connector 可以迅速的向公有云或者私有云申請資源，然后基于智能化的策略，把作業(yè)調(diào)度到云端資源上執(zhí)行。如果業(yè)務(wù)量下降了，根據(jù)預(yù)設(shè)的門限，即刻釋放云端資源。這種可伸縮性，有效的提高計算效率的同時，為客戶節(jié)省了費用，真是魚和熊掌二者兼得也!

在 HPC 集群中，性能非常重要，在 LSF 10 版本中，實現(xiàn)了無與倫比的大規(guī)模高性能，并且包含了很多創(chuàng)新性功能，提高了易用性和可訪問性。LSF 10 支持?jǐn)?shù)以千計的并發(fā)用戶數(shù)，同時管理數(shù)以萬計的節(jié)點資源，同時調(diào)度數(shù)以百萬計的作業(yè)。通過 IO 模式優(yōu)化、將數(shù)據(jù)移到更靠近作業(yè)的地方、處理器間通信的優(yōu)化等方法，來提高作業(yè)的吞吐量性能。在 LSF 10 的 Benchmark 測試中，LSF 可以在每小時調(diào)度分發(fā) 9百萬的作業(yè)(超短作業(yè))。在另外一組測試環(huán)境中，在 100,000個 Slots 的 LSF 集群，縱向?qū)Ρ攘?LSF 的性能提升，從圖中我們可以看是 LSF 10 的性能得到了大幅提升。

LSF 的小伙伴們

俗話說，一個好漢三個幫。LSF 的核心的功能是根據(jù)集群的資源情況對作業(yè)進(jìn)行調(diào)度和分發(fā)，到今天，LSF 已經(jīng)發(fā)展出了一個大的家族，LSF 更像是一個家長，以“帶頭大哥”的身份帶領(lǐng)其家族的小伙伴們，為客戶降低運營成本，提高生產(chǎn)率。具體看，LSF 家族的核心價值有：

通過有效的調(diào)度和共享策略提高資產(chǎn)利用率

通過易用性、易訪問性和簡化來提高用戶的工作效率

通過洞察如何使用 HPC 環(huán)境來提高操作效率

下面有請 LSF 家族中幾位主要的小伙伴們亮相：

01

LSF AC (Application Center)

LSF AC 是 LSF 的 Web Portal。作為是 LSF 家族中“大師兄”，為集群用戶和管理員提供了靈活、易用的界面，使用戶能夠直觀的和 LSF 集群進(jìn)行交互。有了 LSF AC，媽媽再也不用擔(dān)心程序員小明記不住復(fù)雜的 LSF 后臺命令了!用戶可以通過 Web 瀏覽器輕松愉快的完成作業(yè)的基本操作，如停止、暫停、恢復(fù)或重新排隊作業(yè)，也可以在 Web 界面監(jiān)控作業(yè)的運行情況。同時，LSF AC 有很多應(yīng)用程序的模板和腳本指南，這些模板和指南，很好的簡化了作業(yè)提交，很大程度上降低用戶的操作錯誤概率。

LSF AC 不光有電腦客戶端，也支持手機(jī)客戶端，用戶隨時隨地的掌握作業(yè)的運行狀態(tài)和資源情況。

02

LSF PM (Process Manager)

在一些 LSF 的應(yīng)用場景中，很多作業(yè)之間有依賴關(guān)系，特別是近幾年來的容器化，微服務(wù)化，并行化作業(yè)愈發(fā)盛行，面對錯綜復(fù)雜的作業(yè)依賴關(guān)系，如果沒有一套流水線的管理工具，那對于這些用戶來說，簡直就是災(zāi)難。LSF PM 就是肩負(fù)著這個使命而誕生的，使用這個流水線工具，LSF 用戶可以在提交作業(yè)前，圖形化的勾勒出作業(yè)的先后順序和驅(qū)動事件，然后再提交執(zhí)行。使用直觀的圖形界面記錄和查看工作流步驟和執(zhí)行情況，允許用戶自動執(zhí)行容易出現(xiàn)人為錯誤的、或者冗長重復(fù)任務(wù)。

同時，用戶可以通過 LSF PM 設(shè)置一些驅(qū)動事件，比如文件事件(比如文件產(chǎn)生或者消失的時候，觸發(fā)某些作業(yè))，時間事件(可以在特定的時間或者周期性的觸發(fā)作業(yè)的運行)等。LSF PM 擁有 CS 模式的客戶端，同時也已經(jīng)集成到了 LSF AC 的 Web 界面中了。

03

LSF RTM (Report, Track, Monitor)

LSF RTM 是 LSF 集群管理員的福音，LSF 集群管理員可以通過 LSF RTM 的 Web 儀表盤來全面的、實時的監(jiān)視、報告和管理集群和工作負(fù)載，極大程度上提高了集群資源利用率和用戶生產(chǎn)率，以及控制或降低了用戶的成本。同時LSF RTM 支持監(jiān)控應(yīng)用程序許可證服務(wù)器和集群中的用戶和用戶組。通過 LSF RTM 直觀的 Dashboard，可以輕松有效的監(jiān)控多個 LSF 集群，完成管理員日常的集群維護(hù)工作。

04

LSF Explorer

LSF Explorer 是針對 LSF 環(huán)境的輕量級報告解決方案，支持各種業(yè)務(wù)和用戶快速創(chuàng)建和查看報告和 Dashboard。如果沒有 LSF Explorer，想要滿足不同用戶的需求，這些報告需要從多個產(chǎn)品中的不同報告中獲得，而且這些數(shù)據(jù)可能需要通過電子表格的方式，手動創(chuàng)建報告，耗時且費力。LSF Explorer 使用 Elasticsearch 數(shù)據(jù)庫來存儲、索引和查詢數(shù)據(jù)，LSF 的用戶、IT 管理人員或者項目負(fù)責(zé)人，都可以輕松的、定制化的獲取，定期查看計算環(huán)境的執(zhí)行報告，和所在項目或業(yè)務(wù)線正在消耗什么樣的資源。

05

LSF License Scheduler

商業(yè)化的應(yīng)用程序許可證 (License) 往往是一種昂貴的資源，用戶可以使用 LSF License Scheduler，根據(jù)已建立的分發(fā)策略分配 License，從而管理和優(yōu)化計算節(jié)點和項目之間的應(yīng)用程序 License 使用。License 可以在集群之間共享，也可以在集群內(nèi)的項目之間共享。LSF License Scheduler 可以簡化 License 共享，幫助提高生產(chǎn)力和增加對 License 資源的整體訪問，支持 FlexNet 和 Reprise 許可證管理器 (RLM) 等。

06

LSF Data Manager

作業(yè)的執(zhí)行，往往需要一些數(shù)據(jù)作為輸入，或者會輸入大量的數(shù)據(jù)，如果沒有合理的數(shù)據(jù)管理，勢必對作業(yè)的執(zhí)行速度造成影響。使用 LSF Data Manager，用戶可以有效地管理在 HPC 環(huán)境中的大量數(shù)據(jù)，借助已經(jīng)具備的底層文件傳輸基礎(chǔ)設(shè)施(如 IBM Aspera)，自動化 LSF 集群內(nèi)和集群間的數(shù)據(jù)傳輸，以及本地與云之間的數(shù)據(jù)傳輸。LSF Data Manager 還提供了一個智能托管緩存，允許復(fù)用數(shù)據(jù)，并避免重復(fù)的傳輸，從而消除浪費的磁盤空間和數(shù)據(jù)傳輸?shù)牡却龝r間。簡單的說，LSF Data Manager 根據(jù)作業(yè)調(diào)度情況，決定移動哪些數(shù)據(jù)，和什么時候移動，然后可以借助文件傳輸技術(shù)(如 IBM Aspera)實現(xiàn)超高速傳輸。

LSF 應(yīng)用場景和用戶分析

LSF 主要的應(yīng)用場景為分布式計算領(lǐng)域和一些計算密集型的場景。LSF 已經(jīng)成功的應(yīng)用到了眾多行業(yè)，包括電子自動化，航空航天等制造業(yè)、教育培訓(xùn)、能源、金融、生命科學(xué)，大型超算中心、氣象分析、環(huán)境監(jiān)測、仿真系統(tǒng)、數(shù)據(jù)挖掘、人工智能、動漫渲染等。簡而言之，如果后臺需要大量的計算，LSF 定能助一臂之力。

目前，全球前 12大汽車領(lǐng)域的公司，有 10家在使用 LSF。前 25家電子自動化企業(yè)，有 23家在使用 LSF 計算機(jī)輔助作業(yè)調(diào)度。全球前 3大生命科學(xué)中心均在使用 LSF 做后臺的集群調(diào)度。一些成功的超算中心，也在使用 LSF 做調(diào)度和監(jiān)控。很多高等學(xué)府和研究院，使用 LSF 做超前的研究工作。我們每天看的精準(zhǔn)的天氣預(yù)報，也有 LSF 默默無聞的貢獻(xiàn)。LSF 的成功案例數(shù)不勝數(shù)，可以說，雖然我們摸不到，看不到，但 LSF 已然和我們的生活息息相關(guān)。

結(jié)語

因篇幅有限，不能對浩瀚的 LSF 做詳盡闡述，LSF 依舊在持續(xù)的發(fā)展中。二十多年來，LSF 工作負(fù)載/資源管理解決方案贏得了多個行業(yè)客戶的青睞，借助于 LSF，客戶的作業(yè)運行效率得到了極大的提高，降低了成本。今日的成功只是明日的起跑線，風(fēng)華正茂的 LSF 和它的小伙伴們，在以后的日子里，不改初心，會不斷完善自己，持續(xù)為客戶創(chuàng)造更大的價值。

END

往期回顧

→ 寶藏 IBM 的黑科技之“十二星座”干貨粗略說說

→ IBM 專家觀點: Data Fabric 將會是下一個 IT 的風(fēng)口嗎?

點擊“閱讀原文”，了解更多

原文標(biāo)題：IBM Spectrum LSF:分布式系統(tǒng)的“瑞士軍刀”

文章出處：【微信公眾號：IBM中國】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
審核編輯:湯梓紅