Scaling des clusters

Après avoir créé un cluster Managed Service pour Apache Spark, vous pouvez définir sur celui-ci un "scaling", c'est-à-dire l'ajuster en augmentant ou en diminuant le nombre de nœuds de calcul primaires ou secondaires qu'il contient. Vous pouvez procéder au scaling d'un cluster Managed Service pour Apache Spark à n'importe quel moment, même lorsqu'il contient des tâches en cours d'exécution. Vous ne pouvez pas modifier le type de machine d'un cluster existant (scaling vertical). Pour effectuer un scaling vertical, créez un cluster à l'aide d'un type de machine compatible, puis migrez les tâches vers le nouveau cluster.

Utiliser l'autoscaling de Managed Service pour Apache Spark Au lieu de procéder au scaling manuel des clusters, activez l'autoscaling pour que Managed Service pour Apache Spark définisse le nombre approprié de nœuds de calcul pour vos charges de travail.

Vous pouvez procéder au scaling d'un cluster Managed Service pour Apache Spark pour les raisons suivantes :

1. Pour augmenter le nombre de nœuds de calcul afin d'accélérer l'exécution d'une tâche.
2. Pour diminuer le nombre de nœuds de calcul et faire des économies (consultez notamment la section Mise hors service concertée , ce qui permet de ne pas perdre le travail en cours lors de la réduction de la taille d'un cluster).
3. Pour augmenter le nombre de nœuds afin d'étendre l'espace de stockage Hadoop Distributed File System (HDFS) disponible.

Remarque : Vous ne pouvez pas mettre à l'échelle un cluster à nœud unique.

Étant donné que les clusters peuvent être mis à l'échelle plusieurs fois, vous pouvez augmenter ou diminuer la taille du cluster une première fois, puis la diminuer ou l'augmenter ultérieurement.

Suppression des nœuds de calcul : si vous supprimez des nœuds de calcul de votre cluster, assurez-vous que la nouvelle taille de cluster est suffisante pour gérer votre charge de travail. Dans le cas contraire, vos tâches pourraient prendre plus de temps ou ne plus répondre.

Utiliser le scaling

Vous pouvez procéder au scaling de votre cluster Managed Service pour Apache Spark de trois manières :

1. Utilisez l'gcloud outil de ligne de commande dans gcloud CLI.
2. Modifiez la configuration du cluster dans la Google Cloud console.
3. Utilisez l'API REST.

Les nœuds de calcul récemment ajoutés à un cluster utiliseront le même type de machine que les nœuds de calcul existants. Par exemple, si un cluster est créé avec des nœuds de calcul utilisant le type de machine n1-standard-8, les nouveaux nœuds de calcul utiliseront également le type de machine n1-standard-8.

Remarque : Managed Service pour Apache Spark n'est pas compatible avec le redimensionnement des nœuds de calcul (processeurs virtuels, mémoire, disque persistant) lorsque vous les ajoutez à un cluster.

Vous pouvez ajuster le nombre de nœuds de calcul primaires, le nombre de nœuds de calcul secondaires (préemptifs), ou les deux. Ainsi, si vous ne modifiez que le nombre de nœuds de calcul préemptifs, le nombre de nœuds de calcul primaires reste inchangé.

gcloud

Configuration de gcloud CLI : vous devez configurer gcloud CLI pour utiliser Google Cloud CLI.

Pour mettre à l'échelle un cluster avec gcloud dataproc clusters update, exécutez la commande suivante :

gcloud dataproc clusters update cluster-name \
    --region=region \
    [--num-workers and/or --num-secondary-workers]=new-number-of-workers

Où cluster-name correspond au nom du cluster à mettre à jour et new-number-of-workers correspond au nombre mis à jour de nœuds de calcul primaires et/ou secondaires. Par exemple, pour procéder au scaling d'un cluster nommé "dataproc-1" afin qu'il exploite cinq nœuds de calcul primaires, exécutez la commande suivante :

gcloud dataproc clusters update dataproc-1 \
    --region=region \
    --num-workers=5
...
Waiting on operation [operations/projects/project-id/operations/...].
Waiting for cluster update operation...done.
Updated [https://dataproc.googleapis.com/...].
clusterName: my-test-cluster
...
  masterDiskConfiguration:
    bootDiskSizeGb: 500
  masterName: dataproc-1-m
  numWorkers: 5
  ...
  workers:
  - my-test-cluster-w-0
  - my-test-cluster-w-1
  - my-test-cluster-w-2
  - my-test-cluster-w-3
  - my-test-cluster-w-4
...

API REST

Consultez la page concernant clusters.patch.

Exemple

PATCH /v1/projects/project-id/regions/us-central1/clusters/example-cluster?updateMask=config.worker_config.num_instances,config.secondary_worker_config.num_instances
{
  "config": {
    "workerConfig": {
      "numInstances": 4
    },
    "secondaryWorkerConfig": {
      "numInstances": 2
    }
  },
  "labels": null
}

Laissez la console créer votre requête de mise à jour de cluster request.: Vous pouvez cliquer sur le lien Requête REST équivalente au bas de la Google Cloud page "Managed Service for Apache Spark Cluster details→Configuration" (Détails du cluster Managed Service pour Apache Spark→Configuration) dans la console pour que la console génère une requête API REST PATCH équivalente.

Console

Une fois le cluster créé, vous pouvez procéder à son scaling en ouvrant sa page Détails du cluster à partir de la Google Cloud console Clusters, puis en cliquant sur le bouton Modifier dans l'onglet Configuration. Renseignez une nouvelle valeur dans les champs Worker nodes (Nœuds de calcul) et/ou Preemptible worker nodes (Nœuds de calcul préemptifs). Dans la capture d'écran suivante, ces valeurs ont respectivement été mises à jour sur "5" et "2". Cliquez sur Enregistrer pour mettre à jour le cluster.

Comment Managed Service pour Apache Spark sélectionne les nœuds de cluster à supprimer

Sur les clusters créés avec les versions d'image 1.5.83+, 2.0.57+, et 2.1.5+, lorsque vous réduisez la taille d'un cluster, Managed Service pour Apache Spark tente de minimiser l'impact de la suppression de nœuds sur les applications YARN en cours d'exécution. Pour ce faire, il supprime d'abord les nœuds inactifs, défectueux et inactifs, puis les nœuds avec le moins de maîtres d'application YARN et de conteneurs en cours d'exécution.

Mise hors service concertée

Lorsque vous réduisez la taille d'un cluster, le travail en cours peut s'arrêter avant la fin. Si vous utilisez Managed Service pour Apache Spark v 1.2 ou une version ultérieure, vous pouvez utiliser la mise hors service concertée, qui intègre la mise hors service concertée des nœuds YARN pour terminer le travail en cours sur un nœud de calcul avant qu'il soit retiré du cluster Cloud Managed Service pour Apache Spark.

Remarque : Un nœud de calcul ne peut pas être supprimé d'un cluster tant que l'exécution des applications YARN n'est pas terminée.

Mise hors service concertée et nœuds de calcul secondaires

Le groupe de nœuds de calcul préemptifs (secondaires) continue de provisionner ou de supprimer des nœuds de calcul pour atteindre la taille souhaitée, même après qu'une opération de scaling de cluster a été marquée comme étant terminée. Si vous tentez une mise hors service concertée sur un nœud de calcul secondaire et que vous recevez un message d'erreur semblable au suivant :

"Le groupe de nœuds de calcul secondaires ne peut pas être modifié en dehors de Managed Service pour Apache Spark. Si vous avez récemment créé ou mis à jour ce cluster, attendez quelques minutes avant de procéder à une mise hors service concertée, afin de permettre à toutes les instances secondaires de rejoindre ou de quitter le cluster. Taille attendue du groupe de nœuds de calcul secondaires : x, taille réelle : y",

attendez quelques minutes, puis répétez la demande de mise hors service concertée.

Remarque :

• vous pouvez forcer la mise hors service des nœuds de calcul préemptifs à tout moment ;
• vous pouvez procéder à la mise hors service concertée des nœuds de calcul primaires à tout moment.

Utiliser la mise hors service concertée

La mise hors service concertée Managed Service pour Apache Spark intègre la mise hors service concertée des nœuds YARN pour terminer le travail en cours sur un nœud de calcul avant qu'il ne soit supprimé du cluster Cloud Managed Service pour Apache Spark. Par défaut, la mise hors service concertée est désactivée. Vous pouvez l'activer en définissant un délai avant expiration lorsque vous mettez à jour votre cluster dans le but de le délester d'un ou plusieurs nœuds de calcul.

gcloud

Lorsque vous mettez à jour un cluster dans le but de supprimer un ou plusieurs nœuds de calcul, exécutez la commande gcloud dataproc clusters update avec l'option --graceful-decommission-timeout. Les valeurs du délai (chaîne) peuvent être définies sur "0s" (la valeur par défaut ; mise hors service forcée, et non concertée) ou sur une durée positive exprimée par rapport à l'heure actuelle (par exemple, "3s"). La durée maximale est d'1 jour.

Durées : spécifiez une durée pour la mise hors service concertée sous forme de nombre entier non négatif, accompagné de l'un des suffixes suivants en minuscule : "s", "m", "h", ou "d", correspondant respectivement aux secondes, minutes, heures ou jours ("days"). La durée maximale pour la mise hors service concertée est "1d" (un jour). Si vous ne spécifiez aucun suffixe, la valeur est considérée par défaut comme étant exprimée en secondes.

gcloud dataproc clusters update cluster-name \
    --region=region \
    --graceful-decommission-timeout="timeout-value" \
    [--num-workers and/or --num-secondary-workers]=decreased-number-of-workers \
    ... other args ...

API REST

Consultez la section concernant clusters.patch.gracefulDecommissionTimeout. Les valeurs du délai (chaîne) peuvent être définies sur "0" (la valeur par défaut ; mise hors service forcée, et non concertée) ou sur une durée en secondes (par exemple, "3s"). La durée maximale est d'1 jour.

Console

Une fois le cluster créé, vous pouvez sélectionner la mise hors service concertée d'un cluster en ouvrant la page Cluster details (Détails du cluster) des Clusters dans la Google Cloud console, puis cliquez sur le bouton Edit (Modifier) dans l'onglet Configuration. Dans la section Graceful Decommissioning (Mise hors service concertée), sélectionnez Use graceful decommissioning (Utiliser la mise hors service concertée), puis sélectionnez une valeur pour le délai. Cliquez sur Enregistrer pour mettre à jour le cluster.

Annuler une opération de réduction de taille avec mise hors service concertée

Sur les clusters Managed Service pour Apache Spark créés avec les versions d'image 2.0.57+ ou 2.1.5+, vous pouvez exécuter la gcloud dataproc operations cancel commande ou envoyer une requête operations.cancel à l'API Managed Service pour Apache Spark pour annuler une opération de réduction de taille avec mise hors service concertée.

Pour obtenir le nom de ressource, y compris l'ID, d'une opération de réduction de taille, exécutez gcloud dataproc operations list ou envoyez une requête operations.list à l'API Managed Service pour Apache Spark.

Lorsque vous annulez une opération de réduction de taille avec mise hors service concertée :

• Les nœuds de calcul à l'état DECOMMISSIONING sont remis en service et passent à l'état ACTIVE une fois l'annulation de l'opération terminée.

• Si l'opération de réduction de taille inclut des mises à jour de libellés, il est possible que ces mises à jour ne soient pas appliquées.

Remarque : L’annulation d’une opération de réduction de taille est asynchrone. Managed Service pour Apache Spark fait de son mieux pour annuler l'opération, mais la réussite de l'annulation n'est pas garantie.

Pour vérifier l'état de la requête d'annulation, vous pouvez exécuter la gcloud dataproc operations describe commande ou envoyer une requête à l'API Managed Service pour Apache Spark operations.get. Si l'opération d'annulation aboutit, l'état de l'opération interne est marqué comme CANCELLED.