NVIDIA 携手腾讯开发和优化 Spark UCX 实现性能跃升

腾讯网络平台部与数据平台部，联合 NVIDIA 合作开发和优化 Spark UCX，最终实现 Spark Shuffle 稳定加速 15% - 20%，平均降低现网 Spark 任务 8% 的执行时间。

什么是 Spark 平台？

TDW-Spark 是腾讯公司级数据平台，是腾讯海量数据处理平台中最核心的模块，支持百 PB 级的数据存储和计算，业务涉及公司各个 BG，为腾讯公司提供海量、高效、稳定的大数据平台支撑和决策支持，是腾讯公司最大的离线数据处理平台。

Spark 业务所面临的挑战

Spark 网络目前的现状包括大规模部署 QP 连接数不够用，使用 RDMA DC 解决连接数过多的问题；Spark 不同应用场景需要不同的 EP 个数、RPC 调用次数、Spark UCX 线程数、 Block 大小等，需要联合调配；RDMA 和 TCP 混合部署，需要兼容和故障逃生；以及网络带宽低，需要提升带宽，降低延时。

Spark 原始的业务问题包括：

• 通信耗时占比高：Spark Shuffle 时间占 Spark 运行总时间的 30% - 40%，造成 Spark 任务完成时间长。
• 业务需求：网络 IO 和磁盘 IO 是 Spark Shuffle 的瓶颈，需要提高通信效 率，提高计算效率。
• 降本增效：五万张已经部署的 NVIDIA ConnectX-5 网卡需要提高性能利用率，切换到 RDMA，提高业务带宽。

为了应对上述问题及挑战，腾讯进行了 Spark RDMA 大规模部署网络的工作，主要从两个方面着手：Spark RDMA 网络部署和优化，以及 Spark UCX / UCX 性能优化。

Spark RDMA 网络部署和调优

具体部署调优步骤：

1. 搭建 37 节点 NVIDIA ConnectX-5 网卡和 26 节点 NVIDIA ConnectX-6 网卡 Spark 环境，部署 Spark、Spark UCX、UCX 代码进行长稳调优。
2. 基于 GroupByTest 和现网 Spark 业务流量，在 UCX、Spark UCX、Spark 三个层次调优对比 DC、RC 和 TCP 效果。
3. 优化 Spark UCX、UCX 代码，根据 Spark 业务调优网卡和交换机配置。
4. 通过在 NVIDIA ConnectX-5 和 NVIDIA ConnectX-6 Dx bond 引入 DCT，提升 Spark 业务带宽利用率。
5. RDMA 和 TCP 网络共存的情况下，保障长稳运行和 RDMA 故障逃生。

图 1：37 节点的 ConnectX-5 机群与 26 节点的 ConnectX-6 机群

RDMA 部署优化完成情况：

• 大规模：使用 R&D Site Leader, NVIDIA DCT 技术共享 QP 连接，解决了大规模 QP 不够用 的问题。大规模仿真下 Spark 应用 RDMA 网络满足预期。
• Spark 应用和网络联合调优：实现了最优的网卡和交换机配置，以 及 Spark 任务配置，降低了15% - 20% 左右的读完成时间。
• 故障逃生：Spark UCX 和 UCX 代码层面实现了 RDMA 和 TCP 通道备份。确保 RDMA 故障逃生 TCP，保证稳定运行。
• 稳定性保证：开发了驱动版本检测、网卡配置和检测、自动化安装升级检测功能。开发了测试网络性能模块，保证 Spark RDMA 各层带宽和延时满足预期。

Spark UCX 性能优化

1. 参数调优：通过调整 maxReqsInFlight、numListenerThreads 等 Spark / Spark UCX 参数，提升任务执行效率，获得最好传输速率，发挥最大系统效能。

2. CPU 利用率优化：启用 sleep / wakeup 特性，替代 busy waiting 模式。让出 CPU 给 Spark 计算任务，减少了 CPU 浪费，体现了 RDMA 的优势。

3. 网路 IO 优化：网路 IO 由阻塞模型改为非阻塞模型，数据接收由同步等待改为异步通知。避免了因为网路 IO 等待而 阻塞计算任务执行，提高了每个线程的任务吞吐量，提升了收发效率和带宽。

图 2：网络 IO 优化

4. 调度优化：worker 的调度方式改用全局 round-robin (RR) 调度模式，替代原有的按照 thread id 选择 worker 的 方式。避免了 thread id 不连续引起的多个线程选择同一 worker 的问题。

图 3：调度优化

5. 数据竞争优化：将 send / receive / progress 方法打包至独立线程运行，保证每个 worker 资源仅被单个线程 访问 / 修改，避免了数据竞争，提升了线程运行效率。

UCX 性能优化

1. 参数调优：使用 DC 替换 RC 模式，提升传输带宽，减少系统 CPU、内存资源消耗。开启 CQE zipping 和 PCI relax ordering 减少 PCI 负载。调整 UCX_ZCOPY_THRESH、UCX_RNDV_THRESH 和 UCX_RND_SCHEME，获得稳定高速的传输带宽。

2. 网络负载均衡优化：随机化 UDP 源端口取值，减轻由于固定端口，交换机对 5 元组哈希得到相同出端口而引起的 负载不均衡问题，优化网络传输带宽。

“Spark UCX 是 Apache Spark 的高性能 Shuffle Manager 插件，它使用 UCX 支持的 RDMA 和其他高性能传输来加速 Spark 作业中的 Shuffle 数据传输。RDMA DC（动态连接）是一种传输服务，旨在解决大型系统在使用可靠连接时的可扩展性问题。使用 DC，用户可以打开有限数量的资源，无论集群大小如何。这一优势对于 Spark 如此大规模的应用程序来说非常有好处，并且可以提高性能。”

—— Amit Krig

SVP, Software Engineering & Israel R&D Site Leader, NVIDIA

部署调优后性能提升明显

经过部署调优，NVIDIA ConnectX-6 环境 RDMA 传输性能比 TCP 平均有 18% 的提升；NVIDIA ConnectX-5 环境大部分场景 RDMA 传输性能比 TCP 平均有 16% 的提升。考虑到 Spark 任务有计算和本地 write，所以对 Spark 任务整体完成时间大概有 8% 的性能提升。

NVIDIA ConnetX-6 环境 RDMA 性能提升明显（RDMA read 通信 18% 左右提升，整体完成时间 8% 左右提升），可以大规模灰度部署 Spark 业务真实流量。NVIDIA ConnectX-5 环境大部分场景性能平均提升（RDMA read 通信 16% 左右提升，整体完成时间 6% 左右提升），部分场景 RDMA 性能较差还需要调测优化，可以灰度部署 Spark 业务，继续优化还有提升空间。

图 4：ConnectX-6 网卡 26 台规模 RDMA 完成时间比 TCP 低 20% 左右

图 5：ConnectX-5 网卡 37 台规模 RDMA 完成时间比 TCP 低 18% 左右

图 6：20 台规模 Spark 业务灰度测试，RDMA read 平均降低 20% 左右

后期计划

Spark 项目通过远程直接内存访问（RDMA）技术解决网络传输中服务器数据处理延迟问题，为腾讯 Spark 大数据平台业务提供高带宽、低延时的通信。该技术已在二十多台腾讯 Spark 大数据平台服务器完成灰度测试，运行稳定且 Spark Shuffle（数据读取速率）时间平均降低 15% - 18% 左右，减少了 Spark 任务完成时间（大约 8% 左右），节约了服务器资源。计划逐步部署到数千台 Spark 服务器。