K8s性能优化

断点续训特性的故障恢复流程与K8s平台存在大量交互，K8s相关请求响应的性能将影响断点续训整体性能。因此，在大规模K8s集群场景下，需要针对K8s性能调优以达到断点续训性能优化。本章节提供K8s集群配置的参数修改说明，以下提供的推荐参数配置均以万卡规模K8s集群为例。

如下配置仅供参考，请根据实际环境酌情调整配置。

API Server启动参数修改

--max-requests-inflight和--max-mutating-requests-inflight：在给定时间内限制并行处理读写请求的最大数量限制。
- 配置原理：若配置过低会出现请求超限错误，若配置过高会出现占用过多内存。
- 建议配置：
```
--max-requests-inflight=20000
--max-mutating-requests-inflight =2000
```
- 参考文件路径：/etc/kubernetes/manifests/kube-apiserver.yaml
--watch-cache和--watch-cache-sizes：API Server的缓存量大小。
- 配置原理：API Server获取etcd对象时，会优先访问本地cache，当cache中没有需要的信息时再访问etcd，并将etcd数据存入cache，若cache达到上限则覆盖cache，配置合理的cache大小可以提升etcd获取效率。
- 建议配置：
```
--watch-cache=true 
--watch-cache-sizes=node#1000,pod#2000,event#200,namespace#100,service#200
```
- 参考文件路径：/etc/kubernetes/manifests/kube-apiserver.yaml

API Server资源配置修改

API Server配置的cpu资源。

配置原理：cpu资源配置影响API Server的处理能力，调整API Server requests的cpu资源上限。
建议配置：cpu资源上限调整为35核（不代表API Server整体的cpu占用率）。
```
resources:
  requests:
    cpu: 35000m
```
参考文件路径：/etc/kubernetes/manifests/kube-apiserver.yaml

etcd启动参数修改

--quota-backend-bytes：etcd的存储上限。
- 配置原理：默认为2G，根据需要修改。
- 建议配置：修改为8G。
```
--quota-backend-bytes=8589934590
```
- 参考文件路径：/etc/kubernetes/manifests/etcd.yaml
--auto-compaction-retention：进行自动压缩，降低资源占用。
配置原理：进行碎片整理，降低资源占用。
```
--auto-compaction-retention  
```
--auto-compaction-retention不会实际释放空间，需要用户手动配合使用etcdctl compact和etcd defrag清理空间。

etcd资源配置修改

etcd配置的cpu和内存资源。

配置原理：cpu和内存资源配置影响etcd的处理能力。
建议配置：etcd request的cpu资源上限调整为20核，memory资源上限调整为10G。
```
resources:
  requests:
    cpu: 20000m
    memory: 10000Mi
```
参考文件路径：/etc/kubernetes/manifests/etcd.yaml

Volcano资源配置修改

Volcano配置的cpu和内存资源。

配置原理：cpu和内存资源配置影响Volcano的处理能力。
建议配置：request的cpu资源上限调整为20核，memory资源上限调整为8G。
```
resources:
  requests:
    cpu: 20000m
    memory: 4Gi
```

参考配置命令：

kubectl edit deployment -n volcano-system  volcano-scheduler

父主题： 性能优化