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

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)過多的問題；Spark 不同應(yīng)用場景需要不同的 EP 個數(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。

Spark 原始的業(yè)務(wù)問題包括：

(相關(guān)資料圖)

通信耗時占比高：Spark Shuffle 時間占 Spark 運行總時間的 30% - 40%，造成 Spark 任務(wù)完成時間長。

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

降本增效：五萬張已經(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)對上述問題及挑戰(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 NVIDIA ConnectX-5 網(wǎng)卡和 26 節(jié)點 NVIDIA ConnectX-6 網(wǎng)卡 Spark 環(huán)境，部署 Spark、Spark UCX、UCX 代碼進(jìn)行長穩(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 三個層次調(diào)優(yōu)對比 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)卡和交換機配置。

通過在 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，保障長穩(wěn)運行和 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 的問題。大規(guī)模仿真下 Spark 應(yīng)用 RDMA 網(wǎng)絡(luò)滿足預(yù)期。

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

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

穩(wěn)定性保證：開發(fā)了驅(qū)動版本檢測、網(wǎng)卡配置和檢測、自動化安裝升級檢測功能。開發(fā)了測試網(wǎng)絡(luò)性能模塊，保證 Spark RDMA 各層帶寬和延時滿足預(yù)期。

1. 參數(shù)調(diào)優(yōu)：通過調(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：啟用 sleep / wakeup 特性，替代 busy waiting 模式。讓出 CPU 給 Spark 計算任務(wù)，減少了 CPU 浪費，體現(xiàn)了 RDMA 的優(yōu)勢。

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。避免了因為網(wǎng)路 IO 等待而 阻塞計算任務(wù)執(zhí)行，提高了每個線程的任務(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)引起的多個線程選擇同一 worker 的問題。

5. 數(shù)據(jù)競爭優(yōu)化：將 send / receive / progress 方法打包至獨立線程運行，保證每個 worker 資源僅被單個線程 訪問 / 修改，避免了數(shù)據(jù)競爭，提升了線程運行效率。

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：隨機化 UDP 源端口取值，減輕由于固定端口，交換機對 5 元組哈希得到相同出端口而引起的 負(fù)載不均衡問題，優(yōu)化網(wǎng)絡(luò)傳輸帶寬。

經(jīng)過部署調(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)境大部分場景 RDMA 傳輸性能比 TCP 平均有 16% 的提升?？紤]到 Spark 任務(wù)有計算和本地 write，所以對 Spark 任務(wù)整體完成時間大概有 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，整體完成時間 8% 左右提升），可以大規(guī)?；叶炔渴?Spark 業(yè)務(wù)真實流量。NVIDIA ConnectX-5 環(huán)境大部分場景性能平均提升（RDMA read 通信 16% 左右提升，整體完成時間 6% 左右提升），部分場景 RDMA 性能較差還需要調(diào)測優(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 臺規(guī)模 RDMA 完成時間比 TCP 低 18% 左右

圖 6：20 臺規(guī)模 Spark 業(yè)務(wù)灰度測試，RDMA read 平均降低 20% 左右

Spark 項目通過遠(yuǎn)程直接內(nèi)存訪問（RDMA）技術(shù)解決網(wǎng)絡(luò)傳輸中服務(wù)器數(shù)據(jù)處理延遲問題，為騰訊 Spark 大數(shù)據(jù)平臺業(yè)務(wù)提供高帶寬、低延時的通信。該技術(shù)已在二十多臺騰訊 Spark 大數(shù)據(jù)平臺服務(wù)器完成灰度測試，運行穩(wěn)定且 Spark Shuffle（數(shù)據(jù)讀取速率）時間平均降低 15% - 18% 左右，減少了 Spark 任務(wù)完成時間（大約 8% 左右），節(jié)約了服務(wù)器資源。計劃逐步部署到數(shù)千臺 Spark 服務(wù)器。

關(guān)鍵詞：