Spark基于DPU的Native引擎算子卸載方案

1.背景介紹

Apache Spark（以下簡稱Spark）是一個開源的分布式計算框架，由UC Berkeley AMP Lab開發(fā)，可用于批處理、交互式查詢（Spark SQL）、實時流處理（Spark Streaming）、機(jī)器學(xué)習(xí)（Spark MLlib）和圖計算（GraphX）。Spark?使用內(nèi)存加載保存數(shù)據(jù)并進(jìn)行迭代計算，減少磁盤溢寫，同時支持 Java、Scala、Python?和 R?等多種高級編程語言，這使得Spark可以應(yīng)對各種復(fù)雜的大數(shù)據(jù)應(yīng)用場景，例如金融、電商、社交媒體等。

Spark 經(jīng)過多年發(fā)展，作為基礎(chǔ)的計算框架，不管是在穩(wěn)定性還是可擴(kuò)展性方面，以及生態(tài)建設(shè)都得到了業(yè)界廣泛認(rèn)可。盡管Apache社區(qū)對Spark逐步引入了諸如鎢絲計劃、向量化 Parquet Reader?等一系列優(yōu)化，整體的計算性能也有兩倍左右的提升，但在 3.0?版本以后，整體計算性能的提升有所減緩，并且隨著存儲、網(wǎng)絡(luò)以及IO技術(shù)的提升，CPU也逐漸成為Spark計算性能的瓶頸。如何在Spark現(xiàn)有框架上，增強(qiáng)大數(shù)據(jù)計算能力，提高CPU利用率，成為近年來業(yè)界的研究方向。

2.開源優(yōu)化方案

Spark本身使用scala語言編寫，整體架構(gòu)基于 JVM?開發(fā)，只能利用到一些比較基礎(chǔ)的 CPU?指令集。雖然有JIT的加持，但相比目前市面上的Native向量化計算引擎而言，性能還是有較大差距。因此考慮如何將具有高性能計算能力的Native向量引擎引用到 Spark?里來，提升 Spark?的計算性能，突破 CPU?瓶頸，成為一種可行性較高的解決方案。

隨著Meta在2022年超大型數(shù)據(jù)庫國際會議（VLDB）上發(fā)表論文《Velox:Meta's Unified Execution Engine》，并且Intel創(chuàng)建的Gluten項目基于Apache Arrow數(shù)據(jù)格式和Substrait查詢計劃的JNI API將Spark JVM和執(zhí)行引擎解耦，從而將Velox集成到Spark中，這使得使用Spark框架+Native向量引擎的大數(shù)據(jù)加速方案成為現(xiàn)實。

3.DPU計算卡與軟件開發(fā)平臺

AI大模型的發(fā)展，金融、電商等領(lǐng)域數(shù)據(jù)處理需求的增加，生活應(yīng)用虛擬化程度的加深，都對現(xiàn)代化數(shù)據(jù)中心提出嚴(yán)峻的考驗。未來數(shù)據(jù)中心的發(fā)展趨勢，逐步演變成CPU + DPU + GPU三足鼎立的情況，CPU用于通用計算，GPU用于加速計算，DPU則進(jìn)行數(shù)據(jù)處理。將大數(shù)據(jù)計算卸載到具有高度定制化和數(shù)據(jù)處理優(yōu)化架構(gòu)的大規(guī)模數(shù)據(jù)計算DPU卡上，可以有效提高計算密集型應(yīng)用場景下數(shù)據(jù)中心的性能和效率，降低其成本和能耗。

中科馭數(shù)CONFLUX?-2200D?大數(shù)據(jù)計算DPU卡主要應(yīng)用于大數(shù)據(jù)計算場景。CONFLUX?-2200D通過計算DPU卸載加速，存儲DPU卸載加速和網(wǎng)絡(luò)DPU卸載加速實現(xiàn)大數(shù)據(jù)計算性能3-6倍提升。CONFLUX?-2200D是基于中科馭數(shù)自主知識產(chǎn)權(quán)的KPU（Kernel Processing Unit）架構(gòu)、DOE（Data Offloading Engine）硬件數(shù)據(jù)庫運(yùn)算卸載引擎和LightningDMA中科馭數(shù)自主知識產(chǎn)權(quán)的基于DMA的直接內(nèi)存寫入技術(shù)提出的領(lǐng)域?qū)Ｓ肈PU卡。能夠滿足無侵入適配、自主可控、安全可靠，支持存算一體、存算分離等不同場景。

中科馭數(shù)HADOS是中科馭數(shù)推出的專用計算敏捷異構(gòu)軟件開發(fā)平臺。HADOS?數(shù)據(jù)查詢加速庫通過提供基于列式數(shù)據(jù)的查詢接口，供數(shù)據(jù)查詢應(yīng)用，目前Spark、PostgreSQL已通過插件的形式適配。支持Java、Scala、C和C++語言的函數(shù)調(diào)用，主要包括列數(shù)據(jù)管理、數(shù)據(jù)查詢運(yùn)行時函數(shù)、任務(wù)調(diào)度引擎、函數(shù)運(yùn)算代價評估、內(nèi)存管理、存儲管理、硬件管理、DMA引擎、日志引擎等模塊，目前對外提供數(shù)據(jù)管理、查詢函數(shù)、硬件管理、文件存儲相關(guān)功能API。

4.Spark框架+Gluten-Velox向量化執(zhí)行引擎+DPU加速卡

4.1方案簡介

隨著SSD和萬兆網(wǎng)卡普及以及I/O技術(shù)的提升，Spark用戶的數(shù)據(jù)負(fù)載計算能力逐漸受到CPU性能瓶頸的約束。由于Spark本身基于JVM的Task計算模型的CPU指令優(yōu)化，要遠(yuǎn)遠(yuǎn)遜色于其他的Native語言（C++等），再加上開源社區(qū)的Native引擎已經(jīng)發(fā)展得比較成熟，具備優(yōu)秀的量化執(zhí)行能力，這就使得那些現(xiàn)有的Spark用戶，如果想要獲得這些高性能計算能力就需要付出大量的遷移和運(yùn)維成本。

Gluten解決了這一關(guān)鍵性問題，讓Spark用戶無需遷移，就能享受這些成熟的Native引擎帶來的性能優(yōu)勢。Gluten最核心的能力就是通過Spark Plugin的機(jī)制，把Spark查詢計劃攔截并下發(fā)給Native引擎來執(zhí)行，跳過原生Spark不高效的執(zhí)行路徑。整體的執(zhí)行框架仍沿用Spark既有實現(xiàn)，并且對于Native引擎無法承接的算子，Gluten安排Fallback回正常的Spark執(zhí)行路徑進(jìn)行計算，從而保證Spark任務(wù)執(zhí)行的穩(wěn)定性。同時Gluten還實現(xiàn)了Fallback、本地內(nèi)存管理等功能，使得Spark可以更好利用Native引擎帶來的高性能計算能力。

Velox是一個集合了現(xiàn)有各種計算引擎優(yōu)化的新穎的C++數(shù)據(jù)加速庫，其重新設(shè)計了數(shù)據(jù)模型以支持復(fù)雜數(shù)據(jù)類型的高效計算，并且提供可重用、可擴(kuò)展、高性能且與上層軟件無關(guān)的數(shù)據(jù)處理組件，用于構(gòu)建執(zhí)行引擎和增強(qiáng)數(shù)據(jù)管理系統(tǒng)。

由于Velox只接收完全優(yōu)化的查詢計劃作為輸入，不提供 SQL?解析器、dataframe層、其他 DSL?或全局查詢優(yōu)化器，專注于成為大數(shù)據(jù)計算的執(zhí)行引擎。這就使得Gluten+Velox架構(gòu)可以各司其職，從而實現(xiàn)數(shù)據(jù)庫組件模塊化。

要將Gluten+Velox優(yōu)化過的Spark計算任務(wù)卸載到DPU卡，還缺少一個異構(gòu)中間層，為此中科馭數(shù)研發(fā)了HADOS異構(gòu)執(zhí)行庫，該庫提供列數(shù)據(jù)管理、數(shù)據(jù)查詢運(yùn)行時函數(shù)、任務(wù)調(diào)度引擎、函數(shù)運(yùn)算代價評估、內(nèi)存管理等多種DPU能力的API接口，并且支持Java，C++等多種大數(shù)據(jù)框架語言的調(diào)用，擁有極強(qiáng)的拓展性，以及與現(xiàn)有生態(tài)的適配性。HADOS敏捷異構(gòu)軟件平臺可以適應(yīng)復(fù)雜的大數(shù)據(jù)軟件生態(tài)，在付出較小成本的情況下為多種計算場景提供DPU算力加速。Spark框架集成Gluten+Velox向量化執(zhí)行引擎，然后使用HADOS平臺，就可以將經(jīng)過向量化優(yōu)化的計算任務(wù)，利用DPU執(zhí)行，從而徹底釋放CPU，實現(xiàn)DPU高性能計算。

4.2 DPU算力卸載

velox是由C++實現(xiàn)的向量化計算引擎，其核心執(zhí)行框架涵蓋了任務(wù)（Task）、驅(qū)動（Driver）和操作器（Operator）等組件。velox將Plan轉(zhuǎn)換為由PlanNode組成的一棵樹，然后將PlanNode轉(zhuǎn)換為Operator。Operator作為基礎(chǔ)的算子，是實際算法執(zhí)行的邏輯框架，也是實現(xiàn)DPU計算卸載的關(guān)鍵。

4.2.1?邏輯框架

Operator作為實際算法的邏輯框架，承載著各種表達(dá)式的抽象，每一個Operator中包含一個或多個表達(dá)式來實現(xiàn)一個復(fù)雜完整的計算邏輯塊，表達(dá)式的底層是由function來具體實現(xiàn)。Velox向開發(fā)人員提供了API可以實現(xiàn)自定義scalar function，通過實現(xiàn)一個異構(gòu)計算版本的function，然后將這個function注冊到Velox的函數(shù)系統(tǒng)中，就可以將計算任務(wù)卸載到DPU卡上。任務(wù)執(zhí)行過程如下圖：

中科馭數(shù)的CONFLUX?-2200D?S?大數(shù)據(jù)計算加速DPU卡可以實現(xiàn)列式計算，并且HADOS平臺支持C++語言，所以可以直接解析Velox的向量化參數(shù)。對于列式存儲的數(shù)據(jù)，經(jīng)過對數(shù)據(jù)類型的簡單處理之后，可以直接交給DPU執(zhí)行計算任務(wù)，免去了數(shù)據(jù)行列轉(zhuǎn)換的性能損失，同時也降低了DPU計算資源集成的運(yùn)維難度，大大提高了Velox異構(gòu)開發(fā)的效率。

4.2.2?算子卸載

以我們實現(xiàn)卸載的Filter算子為例，對于cast(A as bigint)>1這一具體的表達(dá)式，來探究如何實現(xiàn)”>”這一二元運(yùn)算符的卸載。

Filter算子的Operator中會使用有一個 std::unique_ptr<ExprSet> exprs_的變量，用來執(zhí)行過濾和投影的計算。ExprSet是Filter算子計算的核心，其本質(zhì)是一顆表達(dá)式樹。cast(A as bigint)>1的表達(dá)式樹以及表達(dá)式樹的靜態(tài)節(jié)點類型如下：

在表達(dá)式的所有子節(jié)點執(zhí)行完后，會執(zhí)行applyFunction，說明當(dāng)前表達(dá)式節(jié)點是一個函數(shù)調(diào)用，然后調(diào)用vectorFunction_的apply來對結(jié)果進(jìn)行處理，輸入是inputValues_數(shù)組，該數(shù)組長度與函數(shù)的表達(dá)式葉子節(jié)點數(shù)相等（文中示例表達(dá)式的葉子節(jié)點為2），作為函數(shù)的參數(shù)，result為輸出，結(jié)果為VectorPtr，程序流程圖如下：

4.2.3 Fallback

現(xiàn)階段我們只實現(xiàn)了Filter算子的部分表達(dá)式，后續(xù)還會繼續(xù)支持更多的算子和表達(dá)式。對于一些無法執(zhí)行的算子和表達(dá)式，還是需要退回給Velox，交由CPU執(zhí)行，從而保證SQL的正常執(zhí)行。由于處理的是列式數(shù)據(jù)，所以回退的執(zhí)行計劃可以不需要任何處理，就可以直接從HADOS退還給Velox，幾乎無性能損失。

4.2.4 DPU資源管理

HADOS平臺會對服務(wù)器的DPU資源進(jìn)行統(tǒng)一管理。對于卸載的計算任務(wù)根據(jù)現(xiàn)有的DPU資源進(jìn)行動態(tài)分配，從而實現(xiàn)計算資源的高效利用。同時HADOS平臺還會對計算任務(wù)中所需的內(nèi)存進(jìn)行合理的分配，動態(tài)申請和釋放系統(tǒng)內(nèi)存，從而減少額外的內(nèi)存開銷。

4.3?加速效果

單機(jī)單線程local模式，使用1G數(shù)據(jù)集，僅卸載Filter算子的部分表達(dá)式的場景下，TPC-DS語句中有5條SQL語句，可以將使用開源方案的加速效果提升15-20%左右。q70語句，在開源方案提升100%的基礎(chǔ)上，提升了15%；q89語句，在開源方案提升50%的基礎(chǔ)上，提升了27%；q06在開源方案提升170%的基礎(chǔ)上，提升了13%。

單一運(yùn)算符場景下（SELECT a FROM t WHERE a = 100），使用DPU運(yùn)算符相比 Spark原生的運(yùn)算符的加速比最高達(dá)到12.7。

5.不足和展望

中科馭數(shù)HADOS敏捷異構(gòu)軟件平臺可以十分輕松地與現(xiàn)有開源大數(shù)據(jù)加速框架相結(jié)合，并且為開源框架提供豐富的算力卸載功能。HADOS平臺在完美發(fā)揮開源加速框架優(yōu)勢的前提下，為大數(shù)據(jù)任務(wù)提供硬件加速能力。由于現(xiàn)在我們只實現(xiàn)了較小部分算子卸載的驗證，在執(zhí)行具有復(fù)雜算子操作的SQL時無法發(fā)揮出DPU的全部實力，并且因為開源方案在設(shè)計之處并沒有考慮到使用DPU硬件，所以在磁盤IO，算子優(yōu)化等方面的性能還有待優(yōu)化。后續(xù)我們也會從一下幾個方面來進(jìn)一步做特定優(yōu)化：

1. 開發(fā)更多較復(fù)雜的算子，例如重量級的聚合算子會消耗CPU大量的計算能力從而影響Spark作業(yè)，通過將聚合算子卸載到DPU硬件來解放CPU能力，從而使得加速效果更加明顯；
2. 優(yōu)化DPU的磁盤讀寫，讓DPU可以直接讀取硬盤數(shù)據(jù)，省去數(shù)據(jù)在服務(wù)器內(nèi)部的傳輸時間，可以減少數(shù)據(jù)準(zhǔn)備階段的性能損耗；
3. RDMA技術(shù)，可以直讀取遠(yuǎn)端內(nèi)存數(shù)據(jù)，數(shù)據(jù)傳輸內(nèi)容直接卸載到網(wǎng)卡，減少數(shù)據(jù)在系統(tǒng)內(nèi)核中額外的數(shù)據(jù)復(fù)制與移動，可以減少大數(shù)據(jù)任務(wù)計算過程中的性能損耗。