日本按摩高潮a级中文片,久久se精品一区精品二区,在日本看免费XXXXXX

Fluid支持在Serverless場景下，通過JindoRuntime優化對象存儲的訪問，該訪問支持緩存模式和無緩存模式。本文介紹如何使用無緩存模式加速Argo任務數據訪問。

前提條件

已安裝Argo或ack-workflow組件。具體操作，請參見Argo或ack-workflow。
已部署ACK虛擬節點（Virtual Node）。具體操作，請參見通過虛擬節點將Pod調度到ECI上運行。

已創建一個非ContainerOS操作系統的ACK Pro版集群，且集群版本為1.18及以上。具體操作，請參見創建ACK Pro版集群。
重要
ack-fluid組件暫不支持在ContainerOS操作系統上使用。
已安裝云原生AI套件并部署ack-fluid組件。
重要
- 若您已安裝開源Fluid，請卸載后再部署ack-fluid組件。
- 由于云原生AI套件中組件ack-ai-pipeline和ack-workflow存在功能沖突，如果您想使用加速Argo任務數據訪問功能，需要您在部署云原生AI套件時取消勾選Kubeflow Pipelines組件。
- 未安裝云原生AI套件：安裝時開啟Fluid數據加速。具體操作，請參見安裝云原生AI套件。
- 已安裝云原生AI套件：在容器服務管理控制臺的云原生AI套件頁面部署ack-fluid。
已通過kubectl連接Kubernetes集群。具體操作，請參見通過kubectl工具連接集群。
已開通阿里云對象存儲（OSS）服務和存儲空間（Bucket）。具體操作，請參見開通OSS服務和控制臺創建存儲空間。

使用限制

本功能與ACK彈性調度功能沖突，暫不支持同時使用。關于彈性調度功能的更多信息，請參見自定義彈性資源優先級調度。

步驟一：上傳測試數據到OSS Bucket

創建一個2 GB的測試文件，本文以test為例。
將測試文件上傳到阿里云OSS對應的Bucket。
您可以通過OSS提供的客戶端工具ossutil上傳數據。具體操作，請參見安裝ossutil。

步驟二：創建Dataset和JindoRuntime

K8s和OSS環境配置完成后，您只需要耗費幾分鐘即可完成Dataset和JindoRuntime環境的部署。

使用以下內容，創建secret.yaml文件。
創建Dataset之前，您可以創建如下YAML文件，保存OSS的fs.oss.accessKeyId和fs.oss.accessKeySecret。
```
apiVersion: v1
kind: Secret
metadata:
  name: access-key
stringData:
  fs.oss.accessKeyId: ****
  fs.oss.accessKeySecret: ****
```
執行以下命令，部署Secret。
```
kubectl create -f secret.yaml
```

使用以下內容，創建resource.yaml文件。

YAML文件中包含以下兩部分信息：

Dataset：定義遠端存儲數據集和UFS的信息。
JindoRuntime：啟動一個JindoFS的集群，提供緩存服務。

apiVersion: data.fluid.io/v1alpha1
kind: Dataset
metadata:
  name: serverless-data
spec:
  mounts:
  - mountPoint: oss://large-model-sh/
    name: demo
    path: /
    options:
      fs.oss.endpoint: oss-cn-shanghai.aliyuncs.com
    encryptOptions:
      - name: fs.oss.accessKeyId
        valueFrom:
          secretKeyRef:
            name: access-key
            key: fs.oss.accessKeyId
      - name: fs.oss.accessKeySecret
        valueFrom:
          secretKeyRef:
            name: access-key
            key: fs.oss.accessKeySecret
  accessModes:
    - ReadWriteMany
---
apiVersion: data.fluid.io/v1alpha1
kind: JindoRuntime
metadata:
  name: serverless-data
spec:
  master:
    disabled: true
  worker:
    disabled: true

部分參數說明如下：

參數	說明
`mountPoint`	表示掛載UFS的路徑，路徑格式為`oss://<oss_bucket>/<bucket_dir>`。路徑中不需要包含Endpoint信息。如果您直接訪問Bucket，可以不配置`<bucket_dir>`。
`fs.oss.endpoint`	表示OSS Bucket的Endpoint信息，配置您的公網或私網地址。配置私網地址可以提高數據訪問性能，但是需要您的K8s集群所在區域和OSS區域相同。例如您的Bucket在杭州Region，則公網地址為`oss-cn-hangzhou.aliyuncs.com`，私網地址為`oss-cn-hangzhou-internal.aliyuncs.com`。
`fs.oss.accessKeyId`	表示OSS Bucket的AK ID信息，有權限訪問Bucket。
`fs.oss.accessKeySecret`	表示OSS Bucket的AK ID密鑰信息，有權限訪問Bucket。
`accessModes`	表示支持的讀寫模式。讀寫模式包括`ReadWriteOnce`、`ReadOnlyMany`、`ReadWriteMany`和`ReadWriteOncePod`，默認為`ReadOnlyMany`。
`disabled`	Master和Worker都配置為`true`，表示開啟無緩存模式。

執行以下命令，部署JindoRuntime和Dataset。
```
kubectl create -f resource.yaml
```

執行以下命令，查看Dataset的部署情況。

kubectl get dataset serverless-data

預期輸出：

NAME              UFS TOTAL SIZE   CACHED   CACHE CAPACITY   CACHED PERCENTAGE   PHASE   AGE
serverless-data                                                                  Bound   1d

由預期輸出得到，PHASE為Bound，表示Dataset部署成功。

執行以下命令，查看JindoRuntime的部署情況。

kubectl get jindo serverless-data

預期輸出：

NAME              MASTER PHASE   WORKER PHASE   FUSE PHASE   AGE
serverless-data                                 Ready        3m41s

由預期輸出得到，FUSE為Ready，表示JindoRuntime部署成功。

步驟三：創建Argo類型任務訪問OSS

您可以通過創建應用容器來使用JindoFS加速服務，或者提交機器學習作業來體驗相關功能。本文以創建Argo類型任務訪問OSS為例進行說明。

使用以下內容，創建workflow.yaml文件。

apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:
  generateName: serverless-workflow-
spec:
  entrypoint: serverless-workflow-example
  volumes:
  - name: datadir
    persistentVolumeClaim:
      claimName: serverless-data

  templates:
  - name: serverless-workflow-example
    steps:
    - - name: copy
        template: copy-files
    - - name: check
        template: check-files

  - name: copy-files
    metadata:
      labels:
       alibabacloud.com/fluid-sidecar-target: eci
       alibabacloud.com/eci: "true"
      annotations:
         k8s.aliyun.com/eci-use-specs: ecs.g7.4xlarge
    container:
      image: debian:buster
      command: [bash, -c]
      args: ["time cp -r /data/ /tmp"]
      volumeMounts:
      - name: datadir
        mountPath: /data

  - name: check-files
    metadata:
      labels:
        alibabacloud.com/fluid-sidecar-target: eci
        alibabacloud.com/eci: "true"
      annotations:
         k8s.aliyun.com/eci-use-specs: ecs.g7.4xlarge
    container:
      image: debian:buster
      command: [bash, -c]
      args: ["du -sh /data; md5sum /data/*"]
      volumeMounts:
      - name: datadir
        mountPath: /data

執行以下命令，創建工作流。
```
kubectl create -f workflow.yaml
```
執行以下命令，查看啟動日志。
```
kubectl logs serverless-workflow-85sbr-4093682611
```
預期輸出：
```
real    0m24.966s
user    0m0.009s
sys     0m0.677s
```
由預期輸出得到，文件的拷貝時間real為0m24.966s。拷貝時間取決于網絡延時和帶寬，如果您希望加速數據訪問，請參見使用緩存模式加速Argo任務數據訪問。
檢查通過Fluid讀取的文件和本地文件是否一致。
1. 執行以下命令，查看通過Fluid讀取的文件MD5校驗值。
```
kubectl logs serverless-workflow-85sbr-1882013783
```
  預期輸出：
```
1.2G    /data
871734851bf7d8d2d1193dc5f1f692e6  /data/wwm_uncased_L-24_H-1024_A-16.zip
```
2. 執行以下命令，查看本地文件MD5校驗值。
```
md5sum ./wwm_uncased_L-24_H-1024_A-16.zip
```
  預期輸出：
```
871734851bf7d8d2d1193dc5f1f692e6  ./wwm_uncased_L-24_H-1024_A-16.zip
```
  由預期輸出得到，MD5校驗值一致，表示通過Fluid讀取的文件和本地文件一致。

步驟四：清理環境

當您不再使用數據訪問功能時，請及時清理環境。具體操作如下：

執行以下命令，刪除應用容器。

kubectl delete workflow serverless-workflow-85sbr

執行以下命令，刪除Dataset。
```
kubectl delete dataset serverless-data
```