揭秘中興大數(shù)據(jù)在銀行領(lǐng)域的系統(tǒng)部署

本文首度揭秘了中興通訊的大數(shù)據(jù)平臺系統(tǒng)DAP在國內(nèi)Z銀行的部署過程。

大數(shù)據(jù)是一個開放的平臺，當(dāng)前大部分系統(tǒng)是基于互聯(lián)網(wǎng)公司的開源的產(chǎn)品而生，銀行業(yè)是不能完全照搬互聯(lián)網(wǎng)原生技術(shù)模式，銀行業(yè)在安全性、穩(wěn)定性有其特殊要求，對高可用、安全私密有更高的需求，新的大數(shù)據(jù)技術(shù)平臺必須與傳統(tǒng)行業(yè)的企業(yè)級特性相融合。

為了保證穩(wěn)定性，從硬件到軟件都需要考慮高可用問題。

Z銀行的大數(shù)據(jù)業(yè)務(wù)場景如下：

• 對用戶的數(shù)據(jù)進行ETL處理，通過MapReduce完成，為離線應(yīng)用。
• 將某類數(shù)據(jù)進行抽取，放入到數(shù)據(jù)庫中，對外提供查詢，為在線應(yīng)用。
• 當(dāng)數(shù)據(jù)越來越多時，可通過增加存儲服務(wù)器的方式進行線性擴展。

設(shè)計思路

綜合上述業(yè)務(wù)場景，同步考慮金融行業(yè)的數(shù)據(jù)高安全性，服務(wù)高穩(wěn)定性，我們進行規(guī)劃設(shè)計。

Z銀行需要進行海量數(shù)據(jù)的存儲，則必須要部署HDFS，且該組件是其他組件的基礎(chǔ)。同時用戶需要對數(shù)據(jù)進行ETL處理，則MapReduce（YARN）也同樣要部署。對外進行在線查詢離不開HBase，因為HBase也需要進行部署。

綜上，需要部署的組件有Zookeeper、HDFS、HBase和MapReduce（YARN）。

金融業(yè)的特殊性要求我們必須考慮到整體服務(wù)的高穩(wěn)定性，所以需要考慮組件的高可用實現(xiàn)。對于各個組件的高可用實現(xiàn)，我們分別采用如下的實現(xiàn)方式：

Zookeeper：選擇三臺服務(wù)器部署，為集群提供協(xié)調(diào)服務(wù)。

NameNode：采用QJMHA方式部署，選擇兩臺服務(wù)器部署NameNode，選擇三臺服務(wù)器部署JournalNode。

HBase：配置兩臺Hmaster，分別為主備，主備倒換借助Zookeeper實現(xiàn)。

ResourceManager：采用HA的方式部署。YARN依賴于HDFS運行，故部署時可選擇將ResourceManager與HDFS的 NameNode合設(shè)、將NodeMamager與DataNode合設(shè)的方式。

業(yè)務(wù)及管理數(shù)據(jù)庫：采用分布式數(shù)據(jù)庫實現(xiàn)，一般選擇三臺機器作分布式數(shù)據(jù)庫集群的部署。

HIVE、ZHD-Manager：分別配置兩臺作為主備。

了解到該銀行的業(yè)務(wù)主要分為普通業(yè)務(wù)和重點業(yè)務(wù)，因此我們又必須考慮到數(shù)據(jù)和業(yè)務(wù)的安全性，為降低彼此的影響，需要進行物理隔離。我們基于此將整個機群設(shè)計為由一個大集群和若干小集群組成，大集群用于進行基礎(chǔ)數(shù)據(jù)的清洗等ETL任務(wù)，再將處理后的數(shù)據(jù)導(dǎo)入到小集群中進行處理，由小集群專享該數(shù)據(jù)。一般來說一個集群都自帶一套管理門戶，但這樣會造成維護使用上的復(fù)雜，所以為了降低部署成本和維護復(fù)雜性，就要采用單個門戶管理多個集群的方式。

另外，一般來說在實際部署時整套系統(tǒng)環(huán)境又要分為生產(chǎn)環(huán)境和測試環(huán)境。其中生產(chǎn)環(huán)境僅僅用于實際運營，承載真實業(yè)務(wù)數(shù)據(jù)和業(yè)務(wù)應(yīng)用；測試環(huán)境用于各種必要的功能驗證和性能測試等，包括應(yīng)用在上線前的功能驗證。

如把兩個環(huán)境合用，將帶來很多不確定性，測試環(huán)境容易對生產(chǎn)環(huán)境造成干擾，影響生產(chǎn)環(huán)境正常業(yè)務(wù)的提供，甚至測試環(huán)境中不成熟的應(yīng)用和業(yè)務(wù)運行時可能對環(huán)境造成破壞性的影響。因此對生產(chǎn)環(huán)境和測試環(huán)境進行物理隔離，兩者獨立運行，互不干擾，防止因硬件資源的占用或者搶奪對運行造成不必要的影響。保證系統(tǒng)運行的安全和資源的有效利用，進一步保障銀行的安全生產(chǎn)。

解決了生產(chǎn)測試可能造成的互相干擾的問題，接下來我們還要考慮各種不同類型應(yīng)用的部署和運行。在Z銀行的應(yīng)用場景中，大數(shù)據(jù)平臺上運行的應(yīng)用分為在線應(yīng)用和離線應(yīng)用兩大類。作為大數(shù)據(jù)平臺，就必須要對在線應(yīng)用和離線應(yīng)用的運行提供基本的運行規(guī)劃，為應(yīng)用的部署提供依據(jù)，因為不用的應(yīng)用在同一套物理集群上部署運行時，同樣會出現(xiàn)資源競爭的情形。

1）不同應(yīng)用所用資源的隔離，解決在線類應(yīng)用和離線類應(yīng)用在運行時的資源爭搶問題。

對于目前的業(yè)務(wù)場景，MapReduce任務(wù)、Hive為離線應(yīng)用，HBase服務(wù)為在線應(yīng)用，提供實時查詢服務(wù)。部署方式如下圖所示：

在線應(yīng)用與離線應(yīng)用資源隔離

集群中的數(shù)據(jù)都是基于HDFS進行存放的，因此對于屬于同一個集群內(nèi)的應(yīng)用的數(shù)據(jù)隔離，可通過設(shè)置不同的HDFS目錄存放的方式實現(xiàn)。不同應(yīng)用屬于不同的用戶，不同的應(yīng)用使用不同的目錄，然后通過對目錄進行權(quán)限配置的方式進行隔離和共享。

2）不用應(yīng)用運行時計算資源的隔離考慮，解決運行時內(nèi)存和CPU的調(diào)度問題。主要包括如下兩種手段：

• YARN自動均衡
• 通過調(diào)度器指定

由于MapReduce任務(wù)運行時往往會占用大量的CPU和磁盤資源，為保證自身或者其他任務(wù)的正常執(zhí)行，對MapReduce也要進行隔離。

對于普通MapReduce任務(wù)的隔離通過YARN自身的機制完成。在YARN中，資源管理由ResourceManager和NodeManager共同完成，其中ResourceManager中的調(diào)度器負(fù)責(zé)資源的分配，NodeManager負(fù)責(zé)資源的供給和隔離。ResourceManager將某個NodeManager上資源分配給任務(wù)后，NodeManager按照要求為任務(wù)提供相應(yīng)的資源，保證這些資源具有獨占性，為任務(wù)運行提供基礎(chǔ)的保證。

另外MapReduce任務(wù)實時性要求不高，可通過為各個MapReduce任務(wù)單獨規(guī)劃運行時間段的方式來輔助隔離，避免多個應(yīng)用同時運行時出現(xiàn)資源搶占的情況。其中對于任務(wù)的執(zhí)行時間，需要通過先在測試環(huán)境中運行采集，再通過等比例推算評估的方式獲得，防止出現(xiàn)某個MapReduce任務(wù)的實際運行時間超出了配置時間。

而對于某些用戶認(rèn)為重要或者特殊（由用戶自主決定）的MapReduce任務(wù)的隔離可通過設(shè)置專用調(diào)度器的方式完成。為應(yīng)用設(shè)定調(diào)度隊列，并為隊列指定專屬服務(wù)器，通過將MapReduce任務(wù)指定在某臺服務(wù)器上運行的方式達(dá)到隔離的目的。而其他普通的MapReduce應(yīng)用則無權(quán)使用該專屬服務(wù)器的資源。

3）對不同功能的在線服務(wù)數(shù)據(jù)進行隔離，保證重點在線應(yīng)用的正常運行。

需要單獨規(guī)劃HBase集群，且該集群基于一套獨立的HDFS運行，從物理上和邏輯上和其他在線集群都進行隔離。該HBase集群的數(shù)據(jù)來源問題可通過兩種方式解決：接口程序或者基于distcp的集群拷貝。

對于少量的數(shù)據(jù)遷移可通過接口程序?qū)崿F(xiàn)，對于大量的數(shù)據(jù)遷移可通過distcp的方式進行。后者需要先在離線應(yīng)用服務(wù)集群內(nèi)對數(shù)據(jù)進行處理，生成HFile文件，再通過distcp將文件拷貝到在線應(yīng)用集群，再在在線應(yīng)用集群內(nèi)執(zhí)行數(shù)據(jù)導(dǎo)入到HBase的操作。在線應(yīng)用服務(wù)再基于導(dǎo)入的數(shù)據(jù)對外提供實時查詢服務(wù)。如下圖所示：

另外由于MapReduce任務(wù)在運行時對磁盤、CPU等要求較高，當(dāng)MapReduce的Job和HBase等部署在一臺服務(wù)器運行時，容易對HBase服務(wù)造成影響（響應(yīng)很慢，長時間等待）。所以在同一套HDFS內(nèi)，在服務(wù)器比較充足的情形下，也建議對MapReduce任務(wù)的運行和HBase服務(wù)也需要進行隔離。將HBase服務(wù)指定在集群中的某些服務(wù)器上運行，MapReduce任務(wù)指定在集群中的其他服務(wù)器上運行。通過部署不同的基礎(chǔ)服務(wù)在不同的服務(wù)器上的方式來實現(xiàn)。

為了節(jié)省資源，我們提供了一種基于一套HDFS來實現(xiàn)對多套HBase支撐的實現(xiàn)，不用的HBase共用一套Zookeeper，部署方式見下圖：

所有HBase集群基于同一套zookeeper實現(xiàn)，每個集群包含各自的HMaster和Region Server，可對外獨立提供在線查詢服務(wù)。通過調(diào)用HBase java api實現(xiàn)HBase客戶端訪問集群內(nèi)的HBase集群。由于使用相同的HDFS存儲，為了防止相同的表存儲空間重疊，不同的HBase集群使用不同的存儲路徑。同時為了區(qū)分Zookeeper中存儲的rootdnode路徑，也需要修改配置文件。不同的HBase集群對外提供不同類型的數(shù)據(jù)查詢服務(wù)。對于同一個HBase服務(wù)，可通過對列和表的所屬權(quán)配置實現(xiàn)對HBase的訪問控制。

實際部署

Z銀行的實際部署如下圖所示：

大數(shù)據(jù)平臺上運行的應(yīng)用分為在線應(yīng)用（HBase服務(wù)）和離線應(yīng)用（MapReduce服務(wù)）兩大類。Z銀行大數(shù)據(jù)平臺分為基礎(chǔ)集群和在線集群。

基礎(chǔ)集群用于接收外部導(dǎo)入的數(shù)據(jù)，并對數(shù)據(jù)進行加工處理，主要通過MapReduce任務(wù)對數(shù)據(jù)進行基礎(chǔ)加工。

在線集群是為保證重點在線應(yīng)用的正常運行而單獨規(guī)劃的區(qū)域，第一期是由歷史數(shù)據(jù)平臺1個HBase集群構(gòu)成，后期再擴展個人綜合對賬單系統(tǒng)以及反洗錢風(fēng)險管理系統(tǒng)。

基礎(chǔ)集群和在線集群相互關(guān)系說明如下：

每個集群都基于一套獨立的HDFS運行，這樣從物理上和邏輯上與其他集群都進行隔離。在線集群的數(shù)據(jù)都來源于基礎(chǔ)集群，依靠本地萬兆網(wǎng)實現(xiàn)高效的傳輸。在線應(yīng)用服務(wù)基于導(dǎo)入的數(shù)據(jù)對外提供實時查詢服務(wù)。

基礎(chǔ)集群以及歷史數(shù)據(jù)平臺集群各自基于一套Zookeeper實現(xiàn)，每個集群包含各自的Master和RegionServer。

整個集群中部署一套CBDP-Manager用于實現(xiàn)集群的管理，并且該Manager單獨使用一套單機MariaDB實現(xiàn)管理數(shù)據(jù)、告警數(shù)據(jù)、性能數(shù)據(jù)的存儲。

交付效果

整套大數(shù)據(jù)平臺在部署后一直平穩(wěn)運行，效果得到客戶的一致稱贊，并成為客戶的集團內(nèi)的典型案例。在后續(xù)的擴容中，也是非常的方便簡潔，在短時間內(nèi)即完成了擴容升級。