Spark基于DPU的Native引擎算子卸載方案

1.背景介紹

Apache Spark（以下簡(jiǎn)稱(chēng)Spark）是一個(gè)開(kāi)源的分布式計(jì)算框架，由UC Berkeley AMP Lab開(kāi)發(fā)，可用于批處理、交互式查詢(xún)（Spark SQL）、實(shí)時(shí)流處理（Spark Streaming）、機(jī)器學(xué)習(xí)（Spark MLlib）和圖計(jì)算（GraphX）。Spark使用內(nèi)存加載保存數(shù)據(jù)并進(jìn)行迭代計(jì)算，減少磁盤(pán)溢寫(xiě)，同時(shí)支持 Java、Scala、Python和 R等多種高級(jí)編程語(yǔ)言，這使得Spark可以應(yīng)對(duì)各種復(fù)雜的大數(shù)據(jù)應(yīng)用場(chǎng)景，例如金融、電商、社交媒體等。

Spark 經(jīng)過(guò)多年發(fā)展，作為基礎(chǔ)的計(jì)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(duì)Spark逐步引入了諸如鎢絲計(jì)劃、向量化 Parquet Reader等一系列優(yōu)化，整體的計(jì)算性能也有兩倍左右的提升，但在 3.0版本以后，整體計(jì)算性能的提升有所減緩，并且隨著存儲(chǔ)、網(wǎng)絡(luò)以及IO技術(shù)的提升，CPU也逐漸成為Spark計(jì)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(jì)算能力，提高CPU利用率，成為近年來(lái)業(yè)界的研究方向。

2.開(kāi)源優(yōu)化方案

Spark本身使用scala語(yǔ)言編寫(xiě)，整體架構(gòu)基于 JVM開(kāi)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(jì)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(jì)算能力的Native向量引擎引用到 Spark里來(lái)，提升 Spark的計(jì)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(kù)國(guó)際會(huì)議（VLDB）上發(fā)表論文《Velox:Meta's Unified Execution Engine》，并且Intel創(chuàng)建的Gluten項(xiàng)目基于Apache Arrow數(shù)據(jù)格式和Substrait查詢(xún)計(jì)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(shí)。

3.DPU計(jì)算卡與軟件開(kāi)發(fā)平臺(tái)

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(duì)現(xiàn)代化數(shù)據(jù)中心提出嚴(yán)峻的考驗(yàn)。未來(lái)數(shù)據(jù)中心的發(fā)展趨勢(shì)，逐步演變成CPU + DPU + GPU三足鼎立的情況，CPU用于通用計(jì)算，GPU用于加速計(jì)算，DPU則進(jìn)行數(shù)據(jù)處理。將大數(shù)據(jù)計(jì)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(jì)算DPU卡上，可以有效提高計(jì)算密集型應(yīng)用場(chǎng)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(jì)算DPU卡主要應(yīng)用于大數(shù)據(jù)計(jì)算場(chǎng)景。CONFLUX?-2200D通過(guò)計(jì)算DPU卸載加速，存儲(chǔ)DPU卸載加速和網(wǎng)絡(luò)DPU卸載加速實(shí)現(xiàn)大數(shù)據(jù)計(jì)算性能3-6倍提升。CONFLUX?-2200D是基于中科馭數(shù)自主知識(shí)產(chǎn)權(quán)的KPU（Kernel Processing Unit）架構(gòu)、DOE（Data Offloading Engine）硬件數(shù)據(jù)庫(kù)運(yùn)算卸載引擎和LightningDMA中科馭數(shù)自主知識(shí)產(chǎn)權(quán)的基于DMA的直接內(nèi)存寫(xiě)入技術(shù)提出的領(lǐng)域?qū)Ｓ肈PU卡。能夠滿(mǎn)足無(wú)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(chǎng)景。

中科馭數(shù)HADOS是中科馭數(shù)推出的專(zhuān)用計(jì)算敏捷異構(gòu)軟件開(kāi)發(fā)平臺(tái)。HADOS?數(shù)據(jù)查詢(xún)加速庫(kù)通過(guò)提供基于列式數(shù)據(jù)的查詢(xún)接口，供數(shù)據(jù)查詢(xún)應(yīng)用，目前Spark、PostgreSQL已通過(guò)插件的形式適配。支持Java、Scala、C和C++語(yǔ)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(xún)運(yùn)行時(shí)函數(shù)、任務(wù)調(diào)度引擎、函數(shù)運(yùn)算代價(jià)評(píng)估、內(nèi)存管理、存儲(chǔ)管理、硬件管理、DMA引擎、日志引擎等模塊，目前對(duì)外提供數(shù)據(jù)管理、查詢(xún)函數(shù)、硬件管理、文件存儲(chǔ)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(jiǎn)介

隨著SSD和萬(wàn)兆網(wǎng)卡普及以及I/O技術(shù)的提升，Spark用戶(hù)的數(shù)據(jù)負(fù)載計(jì)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(jì)算模型的CPU指令優(yōu)化，要遠(yuǎn)遠(yuǎn)遜色于其他的Native語(yǔ)言（C++等），再加上開(kāi)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(hù)，如果想要獲得這些高性能計(jì)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(wèn)題，讓Spark用戶(hù)無(wú)需遷移，就能享受這些成熟的Native引擎帶來(lái)的性能優(yōu)勢(shì)。Gluten最核心的能力就是通過(guò)Spark Plugin的機(jī)制，把Spark查詢(xún)計(jì)劃攔截并下發(fā)給Native引擎來(lái)執(zhí)行，跳過(guò)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(shí)現(xiàn)，并且對(duì)于Native引擎無(wú)法承接的算子，Gluten安排Fallback回正常的Spark執(zhí)行路徑進(jìn)行計(jì)算，從而保證Spark任務(wù)執(zhí)行的穩(wěn)定性。同時(shí)Gluten還實(shí)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(lái)的高性能計(jì)算能力。

Velox是一個(gè)集合了現(xiàn)有各種計(jì)算引擎優(yōu)化的新穎的C++數(shù)據(jù)加速庫(kù)，其重新設(shè)計(jì)了數(shù)據(jù)模型以支持復(fù)雜數(shù)據(jù)類(lèi)型的高效計(jì)算，并且提供可重用、可擴(kuò)展、高性能且與上層軟件無(wú)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(xún)計(jì)劃作為輸入，不提供 SQL解析器、dataframe層、其他 DSL或全局查詢(xún)優(yōu)化器，專(zhuān)注于成為大數(shù)據(jù)計(jì)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(shí)現(xiàn)數(shù)據(jù)庫(kù)組件模塊化。

要將Gluten+Velox優(yōu)化過(guò)的Spark計(jì)算任務(wù)卸載到DPU卡，還缺少一個(gè)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(kù)，該庫(kù)提供列數(shù)據(jù)管理、數(shù)據(jù)查詢(xún)運(yùn)行時(shí)函數(shù)、任務(wù)調(diào)度引擎、函數(shù)運(yùn)算代價(jià)評(píng)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(yǔ)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(tái)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(jì)算場(chǎng)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(tái)，就可以將經(jīng)過(guò)向量化優(yōu)化的計(jì)算任務(wù)，利用DPU執(zhí)行，從而徹底釋放CPU，實(shí)現(xiàn)DPU高性能計(jì)算。

4.2 DPU算力卸載

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

4.2.1邏輯框架

Operator作為實(shí)際算法的邏輯框架，承載著各種表達(dá)式的抽象，每一個(gè)Operator中包含一個(gè)或多個(gè)表達(dá)式來(lái)實(shí)現(xiàn)一個(gè)復(fù)雜完整的計(jì)算邏輯塊，表達(dá)式的底層是由function來(lái)具體實(shí)現(xiàn)。Velox向開(kāi)發(fā)人員提供了API可以實(shí)現(xiàn)自定義scalar function，通過(guò)實(shí)現(xiàn)一個(gè)異構(gòu)計(jì)算版本的function，然后將這個(gè)function注冊(cè)到Velox的函數(shù)系統(tǒng)中，就可以將計(jì)算任務(wù)卸載到DPU卡上。任務(wù)執(zhí)行過(guò)程如下圖：

中科馭數(shù)的CONFLUX?-2200DS大數(shù)據(jù)計(jì)算加速DPU卡可以實(shí)現(xiàn)列式計(jì)算，并且HADOS平臺(tái)支持C++語(yǔ)言，所以可以直接解析Velox的向量化參數(shù)。對(duì)于列式存儲(chǔ)的數(shù)據(jù)，經(jīng)過(guò)對(duì)數(shù)據(jù)類(lèi)型的簡(jiǎn)單處理之后，可以直接交給DPU執(zhí)行計(jì)算任務(wù)，免去了數(shù)據(jù)行列轉(zhuǎn)換的性能損失，同時(shí)也降低了DPU計(jì)算資源集成的運(yùn)維難度，大大提高了Velox異構(gòu)開(kāi)發(fā)的效率。

4.2.2算子卸載

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

Filter算子的Operator中會(huì)使用有一個(gè) std::unique_ptr exprs_的變量，用來(lái)執(zhí)行過(guò)濾和投影的計(jì)算。ExprSet是Filter算子計(jì)算的核心，其本質(zhì)是一顆表達(dá)式樹(shù)。cast(A as bigint)>1的表達(dá)式樹(shù)以及表達(dá)式樹(shù)的靜態(tài)節(jié)點(diǎn)類(lèi)型如下：

在表達(dá)式的所有子節(jié)點(diǎn)執(zhí)行完后，會(huì)執(zhí)行applyFunction，說(shuō)明當(dāng)前表達(dá)式節(jié)點(diǎn)是一個(gè)函數(shù)調(diào)用，然后調(diào)用vectorFunction_的apply來(lái)對(duì)結(jié)果進(jìn)行處理，輸入是inputValues_數(shù)組，該數(shù)組長(zhǎng)度與函數(shù)的表達(dá)式葉子節(jié)點(diǎn)數(shù)相等（文中示例表達(dá)式的葉子節(jié)點(diǎn)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(shí)現(xiàn)了Filter算子的部分表達(dá)式，后續(xù)還會(huì)繼續(xù)支持更多的算子和表達(dá)式。對(duì)于一些無(wú)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(jì)劃可以不需要任何處理，就可以直接從HADOS退還給Velox，幾乎無(wú)性能損失。

4.2.4 DPU資源管理

HADOS平臺(tái)會(huì)對(duì)服務(wù)器的DPU資源進(jìn)行統(tǒng)一管理。對(duì)于卸載的計(jì)算任務(wù)根據(jù)現(xiàn)有的DPU資源進(jìn)行動(dòng)態(tài)分配，從而實(shí)現(xiàn)計(jì)算資源的高效利用。同時(shí)HADOS平臺(tái)還會(huì)對(duì)計(jì)算任務(wù)中所需的內(nèi)存進(jìn)行合理的分配，動(dòng)態(tài)申請(qǐng)和釋放系統(tǒng)內(nèi)存，從而減少額外的內(nèi)存開(kāi)銷(xiāo)。

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(chǎng)景下，TPC-DS語(yǔ)句中有5條SQL語(yǔ)句，可以將使用開(kāi)源方案的加速效果提升15-20%左右。q70語(yǔ)句，在開(kāi)源方案提升100%的基礎(chǔ)上，提升了15%；q89語(yǔ)句，在開(kāi)源方案提升50%的基礎(chǔ)上，提升了27%；q06在開(kāi)源方案提升170%的基礎(chǔ)上，提升了13%。

單一運(yùn)算符場(chǎng)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(tái)可以十分輕松地與現(xiàn)有開(kāi)源大數(shù)據(jù)加速框架相結(jié)合，并且為開(kāi)源框架提供豐富的算力卸載功能。HADOS平臺(tái)在完美發(fā)揮開(kāi)源加速框架優(yōu)勢(shì)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(shí)現(xiàn)了較小部分算子卸載的驗(yàn)證，在執(zhí)行具有復(fù)雜算子操作的SQL時(shí)無(wú)法發(fā)揮出DPU的全部實(shí)力，并且因?yàn)殚_(kāi)源方案在設(shè)計(jì)之處并沒(méi)有考慮到使用DPU硬件，所以在磁盤(pán)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(huì)從一下幾個(gè)方面來(lái)進(jìn)一步做特定優(yōu)化：

開(kāi)發(fā)更多較復(fù)雜的算子，例如重量級(jí)的聚合算子會(huì)消耗CPU大量的計(jì)算能力從而影響Spark作業(yè)，通過(guò)將聚合算子卸載到DPU硬件來(lái)解放CPU能力，從而使得加速效果更加明顯；

優(yōu)化DPU的磁盤(pán)讀寫(xiě)，讓DPU可以直接讀取硬盤(pán)數(shù)據(jù)，省去數(shù)據(jù)在服務(wù)器內(nèi)部的傳輸時(shí)間，可以減少數(shù)據(jù)準(zhǔn)備階段的性能損耗；

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(dòng)，可以減少大數(shù)據(jù)任務(wù)計(jì)算過(guò)程中的性能損耗。

審核編輯 黃宇