Hadoop數(shù)據(jù)操作系統(tǒng)YARN全解析其它

為了能夠?qū)褐械馁Y源進(jìn)行統(tǒng)一管理和調(diào)度，Hadoop 2.0引入了數(shù)據(jù)操作系統(tǒng)YARN。YARN的引入，大大提高了集群的資源利用率，并降低了集群管理成本。首先，YARN允許多個(gè)應(yīng)用程序運(yùn)行在一個(gè)集群中，并將資源按需分配給它們，這大大提高了資源利用率，其次，YARN允許各類短作業(yè)和長(zhǎng)服務(wù)混合部署在一個(gè)集群中，并提供了容錯(cuò)、資源隔離及負(fù)載均衡等方面的支持，這大大簡(jiǎn)化了作業(yè)和服務(wù)的部署和管理成本。

YARN總體上采用master/slave架構(gòu)，如圖1所示，其中，master被稱為ResourceManager，slave被稱為 NodeManager，ResourceManager負(fù)責(zé)對(duì)各個(gè)NodeManager上的資源進(jìn)行統(tǒng)一管理和調(diào)度。當(dāng)用戶提交一個(gè)應(yīng)用程序時(shí)，需要提供一個(gè)用以跟蹤和管理這個(gè)程序的ApplicationMaster，它負(fù)責(zé)向ResourceManager申請(qǐng)資源，并要求NodeManger啟動(dòng)可以占用一定資源的Container。由于不同的ApplicationMaster被分布到不同的節(jié)點(diǎn)上，并通過一定的隔離機(jī)制進(jìn)行了資源隔離，因此它們之間不會(huì)相互影響。

圖1 Apache YARN的基本架構(gòu)

YARN中的資源管理和調(diào)度功能由資源調(diào)度器負(fù)責(zé)，它是Hadoop YARN中最核心的組件之一，是ResourceManager中的一個(gè)插拔式服務(wù)組件 。YARN通過層級(jí)化隊(duì)列的方式組織和劃分資源，并提供了多種多租戶資源調(diào)度器，這種調(diào)度器允許管理員按照應(yīng)用需求對(duì)用戶或者應(yīng)用程序分組，并為不同的分組分配不同的資源量，同時(shí)通過添加各種約束防止單個(gè)用戶或者應(yīng)用程序獨(dú)占資源，進(jìn)而能夠滿足各種QoS需求，典型代表是Yahoo!的Capacity Scheduler和Facebook的Fair Scheduler。

YARN作為一個(gè)通用數(shù)據(jù)操作系統(tǒng)，既可以運(yùn)行像MapReduce、Spark這樣的短作業(yè)，也可以部署像Web Server、mysql Server這種長(zhǎng)服務(wù)，真正實(shí)現(xiàn)一個(gè)集群多用途，這樣的集群，我們通常稱為輕量級(jí)彈性計(jì)算平臺(tái)，說它輕量級(jí)，是因?yàn)閅ARN采用了cgroups輕量級(jí)隔離方案，說它彈性，是因?yàn)閅ARN能根據(jù)各種計(jì)算框架或者應(yīng)用的負(fù)載或者需求調(diào)整它們各自占用的資源，實(shí)現(xiàn)集群資源共享，資源彈性收縮。

圖2 以YARN為核心的生態(tài)系統(tǒng)

Hadoop YARN在異構(gòu)集群中的應(yīng)用

從2.6.0版本開始，YARN引入了一種新的調(diào)度策略：基于標(biāo)簽的調(diào)度機(jī)制。該機(jī)制的主要引入動(dòng)機(jī)是更好地讓YARN運(yùn)行在異構(gòu)集群中，進(jìn)而更好地管理和調(diào)度混合類型的應(yīng)用程序。

1.什么是基于標(biāo)簽的調(diào)度

故名思議，基于標(biāo)簽的調(diào)度是一種調(diào)度策略，就像基于優(yōu)先級(jí)的調(diào)度一樣，是調(diào)度器中眾多調(diào)度策略中的一種，可以跟其他調(diào)度策略混合使用。該策略的基本思想是：用戶可為每個(gè)NodeManager打上標(biāo)簽，比如highmem，highdisk等，以作為NodeManager的基本屬性;同時(shí)，用戶可以為調(diào)度器中的隊(duì)列設(shè)置若干標(biāo)簽，以限制該隊(duì)列只能占用包含對(duì)應(yīng)標(biāo)簽的節(jié)點(diǎn)資源，這樣，提交到某個(gè)隊(duì)列中的作業(yè)，只能運(yùn)行在特定一些節(jié)點(diǎn)上。通過打標(biāo)簽，用戶可將Hadoop分成若干個(gè)子集群，進(jìn)而使得用戶可將應(yīng)用程序運(yùn)行到符合某種特征的節(jié)點(diǎn)上，比如可將內(nèi)存密集型的應(yīng)用程序(比如Spark)運(yùn)行到大內(nèi)存節(jié)點(diǎn)上。

2.Hulu應(yīng)用案例

基于標(biāo)簽的調(diào)度策略在Hulu內(nèi)部有廣泛的應(yīng)用。之所以啟用該機(jī)制，主要出于以下三點(diǎn)考慮：

集群是異構(gòu)的。在Hadoop集群演化過程中，后來新增機(jī)器的配置通常比舊機(jī)器好，這使得集群最終變?yōu)橐粋€(gè)異構(gòu)的集群。Hadoop設(shè)計(jì)之初眾多設(shè)計(jì)機(jī)制假定集群是同構(gòu)的，即使發(fā)展到現(xiàn)在，Hadoop對(duì)異構(gòu)集群的支持仍然很不完善，比如MapReduce推測(cè)執(zhí)行機(jī)制尚未考慮異構(gòu)集群情形。

應(yīng)用是多樣化的。Hulu在YARN集群之上同時(shí)部署了MapReduce、Spark、Spark Streaming、Docker Service等多種類型的應(yīng)用程序 。當(dāng)在異構(gòu)集群混合運(yùn)行多類應(yīng)用程序時(shí)，經(jīng)常發(fā)生由于機(jī)器配置不一導(dǎo)致并行化任務(wù)完成時(shí)間相差較大的情況，這非常不利于分布式程序的高效執(zhí)行。此外，由于 YARN無法進(jìn)行完全的資源隔離，多個(gè)應(yīng)用程序混合運(yùn)行在一個(gè)節(jié)點(diǎn)上容易相互干擾，對(duì)于低延遲類型的應(yīng)用通常是難以容忍的。

個(gè)性化機(jī)器需求。由于對(duì)特殊環(huán)境的依賴，有些應(yīng)用程序只能運(yùn)行在大集群中的特定節(jié)點(diǎn)上。典型的代表是spark和docker，spark MLLib可能用到一些native庫，為了防止污染系統(tǒng)，這些庫通常只會(huì)安裝在若干節(jié)點(diǎn)上;docker container的運(yùn)行依賴于docker engine，為了簡(jiǎn)化運(yùn)維成本，我們 只會(huì)讓docker運(yùn)行在若干指定的節(jié)點(diǎn)上。

為了解決以上問題，Hulu在Capacity Scheduler基礎(chǔ)上啟用了基于標(biāo)簽的調(diào)度策略。如圖3所示，我們根據(jù)機(jī)器配置和應(yīng)用程序需求，為集群中的節(jié)點(diǎn)打上了多種標(biāo)簽，包括：

spark-node：用于運(yùn)行spark作業(yè)的機(jī)器，這些機(jī)器通常配置較高，尤其是內(nèi)存較大;

mr-node：運(yùn)行MapReduce作業(yè)的機(jī)器，這些機(jī)器配置是多樣的;

docker-node：運(yùn)行docker應(yīng)用程序的機(jī)器，這些機(jī)器上裝有docker engine;

streaming-node：運(yùn)行spark streaming流式應(yīng)用的機(jī)器。

圖3 YARN部署示例

需要注意的是，YARN允許一個(gè)節(jié)點(diǎn)同時(shí)存在多個(gè)標(biāo)簽，進(jìn)而實(shí)現(xiàn)一臺(tái)機(jī)器混合運(yùn)行多類應(yīng)用程序(在hulu內(nèi)部，我們?cè)试S一些節(jié)點(diǎn)是共享的，同時(shí)可以運(yùn)行多種應(yīng)用程序)。表面上看來，通過引入標(biāo)簽將集群分成了多個(gè)物理集群，但實(shí)際上，這些物理集群跟傳統(tǒng)意義上完全隔離的集群是不同的，這些集群既相互獨(dú)立又相互關(guān)聯(lián)，用戶可非常容易地通過修改標(biāo)簽動(dòng)態(tài)調(diào)整某個(gè)節(jié)點(diǎn)的用途。

Hadoop YARN應(yīng)用案例及經(jīng)驗(yàn)總結(jié)

Hadoop YARN作為一個(gè)數(shù)據(jù)操作系統(tǒng)，提供了豐富的API供用戶開發(fā)應(yīng)用程序。Hulu在YARN應(yīng)用程序設(shè)計(jì)方面進(jìn)行了大量探索和實(shí)踐，開發(fā)了多個(gè)可直接運(yùn)行在YARN上的分布式計(jì)算框架和計(jì)算引擎，典型的代表是voidbox和nesto。

(1)基于Docker的容器計(jì)算框架 voidbox

Docker是近兩年非常流行的容器虛擬化技術(shù)，可以自動(dòng)化打包部署絕大部分應(yīng)用，它使得任何程序能夠運(yùn)行在資源隔離的容器環(huán)境，從而提供了一套更加優(yōu)雅的項(xiàng)目構(gòu)建、發(fā)布、運(yùn)行的解決方案。

為了整合YARN和Docker各自的獨(dú)特優(yōu)勢(shì)，Hulu北京大數(shù)據(jù)團(tuán)隊(duì)開發(fā)了Voidbox。Voidbox是一個(gè)分布式的計(jì)算框架，利用 YARN作為資源管理模塊，用Docker作為執(zhí)行任務(wù)的引擎，從而讓YARN既可以調(diào)度傳統(tǒng)的MapReduce和Spark等類型的應(yīng)用程序，也可以調(diào)度封裝在Docker鏡像中的應(yīng)用程序。

Voidbox支持基于Docker Container的DAG(有向無環(huán)圖)任務(wù)和長(zhǎng)服務(wù)(比如web service)，提供命令行方式與IDE方式等多種應(yīng)用程序提交方式，滿足了生產(chǎn)環(huán)境和開發(fā)環(huán)境的需求。此外，Voidbox可以配合 Jenkins，GitLab，私有的Docker倉庫完成一整套開發(fā)、測(cè)試、自動(dòng)發(fā)布的流程。

圖4 Voidbox系統(tǒng)架構(gòu)

在Voidbox中，YARN負(fù)責(zé)集群的資源調(diào)度，Docker作為一個(gè)執(zhí)行引擎，從Docker Registry中拉取鏡像執(zhí)行。Voidbox負(fù)責(zé)為基于容器的DAG任務(wù)申請(qǐng)資源，運(yùn)行Docker任務(wù)。如圖4所示，每個(gè)黑線框代表一臺(tái)機(jī)器，上面運(yùn)行著幾個(gè)模塊，具體如下：

Voidbox組件：

VoidboxClient：客戶端程序。用戶可通過該組件管理Voidbox應(yīng)用程序(Voidbox應(yīng)用程序包含一個(gè)或多個(gè)Docker作業(yè)，一個(gè)作業(yè)包含一個(gè)或多個(gè)Docker任務(wù))，比如提交和殺死Voidbox應(yīng)用程序等。

VoidboxMaster：實(shí)際上是一個(gè)YARN的Application Master，負(fù)責(zé)向YARN申請(qǐng)資源，并將得到的資源進(jìn)一步分配給內(nèi)部的Docker任務(wù)。

VoidboxDriver：負(fù)責(zé)單個(gè)Voidbox應(yīng)用程序的任務(wù)調(diào)度。Voidbox支持基于Docker Container的DAG任務(wù)調(diào)度并且在任務(wù)之間可以插入其他用戶代碼，Voidbox Driver負(fù)責(zé)處理DAG任務(wù)之間的依賴順序調(diào)度以及運(yùn)行用戶代碼。

VoidboxProxy：是YARN與Docker引擎之間的橋梁，負(fù)責(zé)中轉(zhuǎn)YARN發(fā)向Docker引擎的命令，比如啟動(dòng)或殺死Docker容器等。

StateServer：維護(hù)各個(gè)Docker引擎的健康狀況信息，向Voidbox Master提供可運(yùn)行Docker Container的機(jī)器列表，使得Voidbox Master可以更有效地申請(qǐng)資源。

Docker組件：

DockerRegistry：存儲(chǔ)Docker鏡像，作為內(nèi)部Docker鏡像的版本管理工具。

DockerEngine： Docker Container執(zhí)行的引擎，從Docker Registry獲取相應(yīng)的Docker鏡像，執(zhí)行Docker相關(guān)命令。

Jenkins：配合GitLab進(jìn)行應(yīng)用程序的版本管理，當(dāng)應(yīng)用版本更新時(shí)，Jenkins負(fù)責(zé)編譯打包，生成Docker鏡像，上傳至Docker Registry，從而完成應(yīng)用程序自動(dòng)發(fā)布的流程。

類似于spark on yarn，Voidbox也提供兩種應(yīng)用程序運(yùn)行模式，分別是yarn-cluster模式和yarn-client模式。yarn-cluster模式中應(yīng)用程序的控制組件和資源管理組件都運(yùn)行在集群中，Voidbox應(yīng)用程序提交成功后，客戶端可以隨時(shí)退出而不影響集群中應(yīng)用程序的運(yùn)行。yarn- cluster模式適合生產(chǎn)環(huán)境提交應(yīng)用程序;yarn-client模式中應(yīng)用程序的控制組件運(yùn)行在客戶端，其他組件運(yùn)行在集群中，客戶端可以看到關(guān)于應(yīng)用程序運(yùn)行狀態(tài)的更多信息，客戶端退出后，在集群中運(yùn)行的應(yīng)用程序也隨即退出，yarn-client模式可以方便用戶進(jìn)行調(diào)試。

(2)并行計(jì)算引擎nesto

nesto是hulu內(nèi)部一個(gè)類似于presto/impala的MPP計(jì)算引擎，它是專門為處理復(fù)雜的嵌套式數(shù)據(jù)而設(shè)計(jì)的，支持復(fù)雜的數(shù)據(jù)處理邏輯(SQL難以表達(dá))，其采用了列式存儲(chǔ)、code generation等優(yōu)化技術(shù)以加速數(shù)據(jù)處理效率。Nesto架構(gòu)類似于presto/impala，它是無中心化的，多個(gè)nesto server通過zookeeper進(jìn)行服務(wù)發(fā)現(xiàn)。

為了簡(jiǎn)化nesto部署和管理成本，hulu直接將nesto部署到Y(jié)ARN上。這樣，nesto安裝部署過程將變得非常簡(jiǎn)單：Nesto安裝程序 (包括配置文件和jar包)被打成一個(gè)獨(dú)立的壓縮包存放到HDFS，用戶可通過運(yùn)行一個(gè)提交命令，并指定啟動(dòng)的nesto server數(shù)目、每個(gè)server需要的資源等信息，即可快速部署一套nesto集群。

Nesto on yarn程序由一個(gè)ApplicationMaster和多個(gè)Executor構(gòu)成，其中ApplicationMaster負(fù)責(zé)像YARN申請(qǐng)資源，并啟動(dòng)Executor，而Executor的作用是啟動(dòng)nesto server，關(guān)鍵設(shè)計(jì)點(diǎn)在ApplicationMaster，它的功能包括：

與ResourceManager通信，申請(qǐng)資源，這些資源需保證來自不同的結(jié)點(diǎn)，以達(dá)到每個(gè)節(jié)點(diǎn)只啟動(dòng)一個(gè)Executor的目的;

與NodeManager通信，啟動(dòng)Executor，并監(jiān)控這些Executor健康狀況，一旦發(fā)現(xiàn)某個(gè)Executor出現(xiàn)故障，則重新在其他節(jié)點(diǎn)上啟動(dòng)一個(gè)新的Executor;

提供一個(gè)嵌入式web server，以便展示各個(gè)nesto server中任務(wù)運(yùn)行狀況。

2.Hadoop YARN開發(fā)經(jīng)驗(yàn)總結(jié)

(1)巧用資源申請(qǐng)API

Hadoop YARN提供了較為豐富的資源表達(dá)語義，用戶可以申請(qǐng)?zhí)囟ü?jié)點(diǎn)/機(jī)架上的資源，也可以通過黑名單的方式不再接受某個(gè)節(jié)點(diǎn)上的資源。

(2)注意memory overhead

一個(gè)container的內(nèi)存是由java heap，jvm overhead和non-java memory三部分構(gòu)成的，如果用戶為應(yīng)用程序設(shè)置的內(nèi)存大小為X GB(-xmxXg)，則ApplicationMaster為其申請(qǐng)的container內(nèi)存大小應(yīng)為X+D，其中D為jvm overhead，否則可能會(huì)因總內(nèi)存超出限制被YARN殺死。

(3) log rotation

對(duì)于長(zhǎng)服務(wù)而言，服務(wù)日志會(huì)越積攢越多，因而log rotation顯得尤為重要。由于啟動(dòng)之前，應(yīng)用程序是無法知道日志具體存放位置(比如哪個(gè)節(jié)點(diǎn)的哪個(gè)目錄下)的，為了方便用戶操作日志目錄，YARN 提供了宏，當(dāng)該宏出現(xiàn)在啟動(dòng)命令中時(shí)，YARN會(huì)自動(dòng)將其替換為具體的日志目錄，比如：

echo $log4jcontent > $PWD/log4j.properties && java -Dlog4j.configuration=log4j.properties …

com.example.NestoServer 1>>/server.log 2>>/server.log

其中變量log4jcontent內(nèi)容如下：

(4)調(diào)試技巧

NodeManager啟動(dòng)Container之前，會(huì)將該Container相關(guān)的環(huán)境變量、啟動(dòng)命令等信息寫入一個(gè)shell腳本，并通過啟動(dòng)該腳本的方式啟動(dòng)Container。有些情況下，Container啟動(dòng)失敗可能是由于啟動(dòng)命令寫錯(cuò)的緣故(比如某些特殊字符被轉(zhuǎn)義了)，為此，可通過查看最后執(zhí)行腳本內(nèi)容判斷啟動(dòng)命令是否存在問題，具體方法是，在container執(zhí)行命令之前添加打印腳本內(nèi)容的命令。

(5)共享集群帶來的性能問題

當(dāng)在YARN集群中同時(shí)運(yùn)行多種應(yīng)用程序時(shí)，可能造成節(jié)點(diǎn)負(fù)載不一，進(jìn)而導(dǎo)致某些節(jié)點(diǎn)上的任務(wù)運(yùn)行速度慢于其他節(jié)點(diǎn)，這對(duì)于OLAP需求的應(yīng)用是不能接受的。為了解決該問題，通常有兩種解決方式：1)通過打標(biāo)簽的方式將這類應(yīng)用運(yùn)行到一些獨(dú)享的節(jié)點(diǎn)上 2)在應(yīng)用程序內(nèi)部實(shí)現(xiàn)類似于MapReduce和Spark的推測(cè)執(zhí)行機(jī)制，為慢任務(wù)額外啟動(dòng)一個(gè)或多個(gè)同樣的任務(wù)，以空間換時(shí)間的方式，避免慢任務(wù)拖慢整個(gè)應(yīng)用程序的運(yùn)行效率。

Hadoop YARN發(fā)展趨勢(shì)

對(duì)于 YARN，會(huì)朝著通用資源管理和調(diào)度方向發(fā)展，而不僅僅限于大數(shù)據(jù)處理領(lǐng)域，包括對(duì) MapReduce、Spark 短作業(yè)的支持，以及對(duì) Web Service 等長(zhǎng)服務(wù)的支持。