AI+雲原生，把衛星遙感虐的死去活來
摘要：遙感影像，作為地球自拍照，能夠從更廣闊的視角，為人們提供更多維度的輔助信息，來幫助人類感知自然資源、農林水利、交通災害等多領域信息。
本文分享自華為雲社區《AI+雲原生，把衛星遙感虐的死去活來》，作者：tsjsdbd。
AI牛啊，雲原生牛啊，所以1+1>2？
遙感影像，作為地球自拍照，能夠從更廣闊的視角，為人們提供更多維度的輔助信息，來幫助人類感知自然資源、農林水利、交通災害等多領域信息。
AI技術，可以在很多領域超過人類，關鍵是它是自動的，省時又省力。可顯著提升遙感影像解譯的工作效率，對各類地物元素進行自動化的檢測，例如建築物，河道，道路，農作物等。能為智慧城市發展&治理提供決策依據。
雲原生技術，近年來可謂是一片火熱。易構建，可重複，無依賴等優勢，無論從哪個角度看都與AI算法天生一對。所以大家也可以看到，各領域的AI場景，大都是將AI推理算法運行在Docker容器裏面的。
AI+雲原生這麼6，那麼強強聯手後，地物分類、目標提取、變化檢測等高性能AI解譯不就手到擒來？我們也是這麼認為的，所以基於AI+Kubernetes雲原生，構建了支持遙感影像AI處理的空天地平台。
不過理想是好的，過程卻跟西天取經一般，九九八十一難，最終修成正果。
業務場景介紹
遇到問題的業務場景叫影像融合（Pansharpen），也就是對地球自拍照進行「多鏡頭合作美顏」功能。（可以理解成：手機的多個攝像頭，同時拍照，合併成一張高清彩色大圖）。
所以業務簡單總結就是：讀取2張圖片，生成1張新的圖片。該功能我們放在一個容器裏面執行，每張融合後的結果圖片大約5GB。
問題的關鍵是，一個批次業務量需要處理的是3000多張衛星影像，所以每批任務只需要同時運行完成3000多個容器就OK啦。雲原生YYDS！
業務架構圖示
為了幫助理解，這裡分解使用雲原生架構實現該業務場景的邏輯圖如下：
在雲上，原始數據，以及結果數據，一定是要存放在對象存儲桶裏面的。因為這個數據量，只有對象存儲的價格是合適的。（對象存儲，1毛錢/GB。文件存儲則需要3毛錢/GB）
因為容器之間是互相獨立無影響的，每個容器只需要處理自己的那幅影像就行。例如1號容器處理 1.tif影像；2號容器處理2.tif影像；一次類推。
所以管理程序，只需要投遞對應數量的容器（3000+），並監控每個容器是否成功執行完畢就行（此處為簡化說明，實際業務場景是一個pipeline處理流程）。那麼，需求已經按照雲原生理想的狀態分解，咱們開始起(tang)飛(keng)吧~
註：以下描述的問題，是經過梳理後呈現的，實際問題出現時是互相穿插錯綜複雜的。
K8s死掉了
當作業投遞後，不多久系統就顯示作業紛紛失敗。查看日誌報調用K8s接口失敗，再一看，K8s的Master都已經掛了。。。
K8s-Master處理過程，總結版：
- 發現Master掛是因為CPU爆了
- 所以擴容Master節點（此次重複N次）；
- 性能優化：擴容集群節點數量；
- 性能優化：容器分批投放；
- 性能優化：查詢容器執行進度，少用ListPod接口；
詳細版：
看監控Master節點的CPU已經爆掉了，所以最簡單粗暴的想法就是給Master擴容呀，嘎嘎的擴。於是從4U8G * 3 一路擴容一路測試一路失敗，擴到了32U64G * 3。可以發現CPU還是爆滿。看來簡單的擴容是行不通了。
3000多個容器，投給K8s後，大量的容器都處於Pending狀態（集群整體資源不夠，所以容器都在排隊呢）。而正在Pending的Pod，K8s的Scheduler會不停的輪訓，去判斷能否有資源可以給它安排上。所以這也會給Scheduler巨大的CPU壓力。擴容集群節點數量，可以減少排隊的Pod數量。
另外，既然排隊的太多，不如就把容器分批投遞給K8s吧。於是開始分批次投遞任務，想着別一次把K8s壓垮了。每次投遞數量，減少到1千，然後到500，再到100。
同時，查詢Pod進度的時候，避免使用ListPod接口，改為直接查詢具體的Pod信息。因為List接口，在K8s內部的處理會列出所有Pod信息，處理壓力也很大。
這一套組合拳下來，Master節點終於不掛了。不過，一頭問題按下去了，另一頭問題就冒出來了。
容器跑一半，掛了
雖然Master不掛了，但是當投遞1~2批次作業後，容器又紛紛失敗。
容器掛掉的處理過程，總結版：
- 發現容器掛掉是被eviction驅逐了；
- Eviction驅逐，發現原因是節點報Disk Pressure（存儲容量滿了）；
- 於是擴容節點存儲容量；
- 延長驅逐容器（主動kill容器）前的容忍時間；
詳細版：
（註：以下問題是定位梳理後，按順序呈現給大家。但其實出問題的時候，順序沒有這麼友好）
容器執行失敗，首先想到的是先看看容器裏面腳本執行的日誌唄：結果報日誌找不到~
於是查詢Pod信息，從event事件中發現有些容器是被Eviction驅逐幹掉了。同時也可以看到，驅逐的原因是 DiskPressure（即節點的存儲滿了）。
當Disk Pressure發生後，節點被打上了驅逐標籤，隨後啟動主動驅逐容器的邏輯：
由於節點進入Eviction驅逐狀態，節點上面的容器，如果在5分鐘後，還沒有運行完，就被Kubelet主動殺死了。（因為K8s想通過幹掉容器來騰出更多資源，從而儘快退出Eviction狀態）。
這裡我們假設每個容器的正常運行時間為1~2個小時，那麼不應該一發生驅動就馬上殺死容器（因為已經執行到一半的容器，殺掉重新執行是有成本浪費的）。我們期望應該盡量等待所有容器都運行結束才動手。所以這個 pod-eviction-timeout 容忍時間，應該設置為24小時（大於每個容器的平均執行時間）。
Disk Pressure的直接原因就是本地盤容量不夠了。所以得進行節點存儲擴容，有2個選擇：1）使用雲存儲EVS（給節點掛載雲存儲）。 2）擴容本地盤（節點自帶本地存儲的VM）。
由於雲存儲（EVS）的帶寬實在太低了，350MB/s。一個節點咱們能同時跑30多個容器，帶寬完全滿足不了。最終選擇使用 i3類型的VM。這種VM自帶本地存儲。並且將8塊NVMe盤，組成Raid0，帶寬還能x8。
對象存儲寫入失敗
容器執行繼續紛紛失敗。
容器往對象存儲寫入失敗處理過程，總結版：
- 不直接寫入，而是先寫到本地，然後cp過去。
- 將普通對象桶，改為支持文件語義的並行文件桶。
詳細版：
查看日誌發現，腳本在生成新的影像時，往存儲中寫入時出錯：
我們整集群是500核的規模，同時運行的容器數量大概在250個（每個2u2g）。這麼多的容器同時往1個對象存儲桶裏面並發追加寫入。這個應該是導致該IO問題的原因。
對象存儲協議s3fs，本身並不適合大文件的追加寫入。因為它對文件的操作都是整體的，即使你往一個文件追加寫入1位元組，也會導致整個文件重新寫一遍。
最終這裡改為：先往本地生成目標影像文件，然後腳本的最後，再拷貝到對象存儲上。相當於增加一個臨時存儲中轉一下。
在臨時中轉存儲選擇中，2種本地存儲都試過： 1）塊存儲帶寬太低，350MB/s影響整體作業速度。2）可以選擇帶本地存儲的VM，多塊本地存儲組成Raid陣列，帶寬速度都杠杠滴。
同時，華為雲在對象存儲協議上也有一個擴展，使其支持追加寫入這種的POSIX語義，稱為並行文件桶。後續將普通的對象桶，都改為了文件語義桶。以此來支撐大規模的並發追加寫入文件的操作。
K8s計算節點掛了
So，繼續跑任務。但是這容器作業，執行又紛紛失敗鳥~
計算節點掛掉，定位梳理後，總結版：
- 計算節點掛掉，是因為好久沒上報K8s心跳了。
- 沒上報心跳，是因為kubelet（K8s節點的agent）過得不太好（死掉了）。
- 是因為Kubelet的資源被容器搶光了（由於不想容器經常oom kill，並未設置limit限制）
- 為了保護kubelet，所有容器全都設置好limit。
詳細版，直接從各類奇葩亂象等問題入手：
- 容器啟動失敗，報超時錯誤。
- 然後，什麼PVC共享存儲掛載失敗：
- 或者，又有些容器無法正常結束（刪不掉）。
- 查詢節點Kubelet日誌，可以看到充滿了各種超時錯誤：
啊，這麼多的底層容器超時，一開始感覺的Docker的Daemon進程掛了，通過重啟Docker服務來試圖修復問題。
後面繼續定位發現，K8s集群顯示，好多計算節點Unavailable了（節點都死掉啦）。
繼續分析節點不可用（Unavailable），可以發現是Kubelet好久沒有給Master上報心跳了，所以Master認為節點掛了。說明不僅僅是Docker的Daemon受影響，節點的Kubelet也有受影響。
那什麼情況會導致Kubelet，Docker這些主機進程都不正常呢？這個就要提到Kubernetes在調度容器時，所設計的Request和Limit這2個概念了。
Request是K8s用來調度容器到空閑計算節點上的。而Limit則會傳遞給Docker用於限制容器資源上限（觸發上限容易被oom killer 殺掉）。前期我們為了防止作業被殺死，僅為容器設置了Request，沒有設置Limit。也就是每個容器實際可以超出請求的資源量，去搶佔額外的主機資源。大量容器並發時，主機資源會受影響。
考慮到雖然不殺死作業，對用戶挺友好，但是平台自己受不了也不是個事。於是給所有的容器都加上了Limit限制，防止容器超限使用資源，強制用戶進程運行在容器Limit資源之內，超過就Kill它。以此來確保主機進程（如Docker，Kubelet等），一定是有足夠的運行資源的。
K8s計算節點，又掛了
於是，繼續跑任務。不少作業執行又雙叒失敗鳥~
節點又掛了，總結版：
- 分析日誌，這次掛是因為PLEG（Pod Lifecycle Event Generator）失敗。
- PLEG異常是因為節點上面存留的歷史容器太多（>500個），查詢用時太久超時了。
- 及時清理已經運行結束的容器（即使跑完的容器，還是會佔用節點存儲資源）。
- 容器接口各種超時（cpu+memory是有limit保護，但是io還是會被搶佔）。
- 提升系統磁盤的io性能，防止Docker容器接口（如list等）超時。
詳細版：
現象還是節點Unavailable了，查看Kubelet日誌搜索心跳情況，發現有PLEG is not healthy 的錯誤：
於是搜索PLEG相關的Kubelet日誌，發現該錯誤還挺多：
這個錯誤，是因為kubelet去list當前節點所有容器（包括已經運行結束的容器）時，超時了。看了代碼：//github.com/kubernetes/kubernetes/blob/master/pkg/kubelet/pleg/generic.go#L203
kubelet判斷超時的時間，3分鐘的長度是寫死的。所以當pod數量越多，這個超時概率越大。很多場景案例表明，節點上的累計容器數量到達500以上，容易出現PLEG問題。（此處也說明K8s可以更加Flexible一點，超時時長應該動態調整）。
緩解措施就是及時的清理已經運行完畢的容器。但是運行結束的容器一旦清理，容器記錄以及容器日誌也會被清理，所以需要有相應的功能來彌補這些問題（比如日誌採集系統等）。
List所有容器接口，除了容器數量多，IO慢的話，也會導致超時。
這時，從後台可以看到，在投遞作業期間，大量並發容器同時運行時，雲硬盤的寫入帶寬被大量佔用：
對存儲池的衝擊也很大：
這也導致了IO性能變很差，也會一定程度影響list容器接口超時，從而導致PLEG錯誤。
該問題的解決措施：盡量使用的帶本地高速盤的VM，並且將多塊數據盤組成Raid陣列，提高讀寫帶寬。
這樣，該VM作為K8s的節點，節點上的容器都直接讀寫本地盤，io性能較好。（跟大數據集群的節點用法一樣了，強依賴本地shuffle~）。
在這多條措施實施後，後續多批次的作業都可以平穩的運行完。
總結：「AI+雲原生」這條路
雲原生是趨勢，已經成為大家的共識，各領域也都開始以雲原生為底座的業務嘗試。AI是未來，這也是當前不可阻擋的力量。但是當AI踏上這條雲原生的道路卻不那麼一帆風順。至少可以看到，華為雲的雲原生底座（當然，也包括存儲、網絡等周邊基礎設施）還可以有更多的進步空間。
但是，大家也不用擔心太多，因為當前華為雲的空天地平台，在經歷了多年的AI+雲原生的積累，目前可以很穩定的處理PB級每日的遙感影像數據，支撐各類空基、天基、地基等場景，並且在該領域保持絕對領先的戰鬥值。雖然大家看到此間過程有點曲折，但是所有的困難都是涅槃的火種，克服過的困難都是今後可以對客戶做的承諾。在這裡可以很明確的告訴各位：AI+雲原生=真香。
寫這篇文章的目的，不是在闡述困難，而是為了總結分享。與同領域的人分享並促進遙感領域的快速發展，共同推動AI+雲原生的落地。
