索引构建磁盘IO太高，巧用tmpfs让内存来帮忙

在文本索引构建这种需要大量占用磁盘IO的任务，如果正巧你的内存还有点余粮，是否可以先索引存储到内存，然后再顺序写入到磁盘呢？，需要大量占用磁盘IO，如果正巧你的内存还有点余粮，是否可以先索引存储到内存，然后再顺序写入到磁盘呢？

将Linux的内存变为磁盘，可以通过tmpfs文件系统实现。

tmpfs介绍

以下是ChatGPT的介绍：

tmpfs文件系统是Linux内核自带的一种内存文件系统，它可以将内存空间作为虚拟磁盘使用。使用tmpfs文件系统将内存变为磁盘，可以通过以下步骤实现：

创建一个tmpfs文件系统：

sudo mkfs.tmpfs -m 100M -o size=100M /dev/shm/mydisk  

这条命令将在/dev/shm/mydisk设备上创建一个大小为100MB的tmpfs文件系统。

挂载tmpfs文件系统：

sudo mount -t tmpfs /dev/shm/mydisk /mnt/mydisk  

这条命令将/dev/shm/mydisk设备上的tmpfs文件系统挂载到/mnt/mydisk目录。

此时，/mnt/mydisk目录就可以像普通磁盘一样使用了。可以将文件写入到该目录，也可以从该目录读取文件。

docker使用tmpfs

在docker容器环境如何使用呢？是否需要在container里去挂载？

其实在docker里，tmpfs是默认支持的，可以通过 在启动命令里，加上类似--mount type=tmpfs,destination=/mnt/tmpfs,tmpfs-mode=1770,tmpfs-size=12G来实现挂载。

注意tmpfs挂载的，是container容器独享的，不能和其他容器共享，有效期就是容器的生命周期。

我们来实验：

[root@dev ~]#docker run -it --rm --mount type=tmpfs,destination=/mnt/tmpfs,tmpfs-mode=1770,tmpfs-size=12G gcc:12 bash
root@87b86fe9a4d0:/# df -h 
Filesystem      Size  Used Avail Use% Mounted on
overlay         182G  160G   13G  93% /
tmpfs            64M     0   64M   0% /dev
tmpfs            63G     0   63G   0% /sys/fs/cgroup
shm              64M     0   64M   0% /dev/shm
/dev/sda2       182G  160G   13G  93% /etc/hosts
tmpfs            12G     0   12G   0% /mnt/tmpfs
tmpfs            63G     0   63G   0% /proc/acpi
tmpfs            63G     0   63G   0% /proc/scsi
tmpfs            63G     0   63G   0% /sys/firmware

• 首先通过docker run 挂载，制定大小12G
• 在容器里，通过df -h 可以看到挂载的/mnt/tmpfs 类型为tmpfs，大小12G

K8S 使用tmpfs

在K8S里，tmpfs对应的是 emptyDir Volume，将emptyDir.medium 指定为Memory，可以让 Kubernetes 挂载 tmpfs（基于 RAM 的文件系统）。

emptyDir 的一些用途：

• 缓存空间，例如基于磁盘的归并排序。
• 为耗时较长的计算任务提供检查点，以便任务能方便地从崩溃前状态恢复执行。
• 在 Web 服务器容器服务数据时，保存内容管理器容器获取的文件。

emptyDir 配置示例

apiVersion: v1
kind: Pod
metadata:
  name: test-pd
spec:
  containers:
  - image: registry.k8s.io/test-webserver
    name: test-container
    volumeMounts:
    - mountPath: /cache
      name: cache-volume
  volumes:
  - name: cache-volume
    emptyDir:
      sizeLimit: 500Mi
      medium: Memory

Spark on k8s

对于运行在K8S上的spark，也可以通过volumes参数来指定使用tmpfs。

spark提供下面几种类型的volume

• hostPath: mounts a file or directory from the host node’s filesystem into a pod.
• emptyDir: an initially empty volume created when a pod is assigned to a node.
• nfs: mounts an existing NFS(Network File System) into a pod.
• persistentVolumeClaim: mounts a PersistentVolume into a pod.

可以通过下面的参数来配置Volume：

--conf spark.kubernetes.driver.volumes.[VolumeType].[VolumeName].mount.path=<mount path>
--conf spark.kubernetes.driver.volumes.[VolumeType].[VolumeName].mount.readOnly=<true|false>
--conf spark.kubernetes.driver.volumes.[VolumeType].[VolumeName].mount.subPath=<mount subPath>

对于VolumeType的配置，可以通过下面的形式来做：

spark.kubernetes.driver.volumes.[VolumeType].[VolumeName].options.[OptionName]=<value>

因此，spark on k8s支持tmpfs, 假设VolumeName 为spark-empty-dir， 挂载路径/mnt/cache-index, 大小限制12G,那么提供任务时可以指定参数：

--conf spark.kubernetes.executor.volumes.emptyDir.spark-empty-dir.mount.path=/mnt/cache-index
--conf spark.kubernetes.executor.volumes.emptyDir.spark-empty-dir.options.medium=Memory
--conf spark.kubernetes.executor.volumes.emptyDir.spark-empty-dir.options.sizeLimit=12G

优化后，文本索引构建时IO占用：