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允許多個應(yīng)用程序運行在一個集群中，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)和長服務(wù)混合部署在一個集群中，并提供了容錯、資源隔離及負載均衡等方面的支持，這大大簡化了作業(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負責對各個NodeManager上的資源進行統(tǒng)一管理和調(diào)度。當用戶提交一個應(yīng)用程序時，需要提供一個用以跟蹤和管理這個程序的ApplicationMaster，它負責向ResourceManager申請資源，并要求NodeManger啟動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)點上，并通過一定的隔離機制進行了資源隔離，因此它們之間不會相互影響。

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)度器負責，它是Hadoop YARN中最核心的組件之一，是ResourceManager中的一個插拔式服務(wù)組件 。YARN通過層級化隊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，同時通過添加各種約束防止單個用戶或者應(yīng)用程序獨占資源，進而能夠滿足各種QoS需求，典型代表是Yahoo!的Capacity Scheduler和Facebook的Fair Scheduler。

YARN作為一個通用數(shù)據(jù)操作系統(tǒng)，既可以運行像MapReduce、Spark這樣的短作業(yè)，也可以部署像Web Server、mysql Server這種長服務(wù)，真正實現(xiàn)一個集群多用途，這樣的集群，我們通常稱為輕量級彈性計算平臺，說它輕量級，是因為YARN采用了cgroups輕量級隔離方案，說它彈性，是因為YARN能根據(jù)各種計算框架或者應(yīng)用的負載或者需求調(diào)整它們各自占用的資源，實現(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：基于標簽的調(diào)度機制。該機制的主要引入動機是更好地讓YARN運行在異構(gòu)集群中，進而更好地管理和調(diào)度混合類型的應(yīng)用程序。

1.什么是基于標簽的調(diào)度

故名思議，基于標簽的調(diào)度是一種調(diào)度策略，就像基于優(yōu)先級的調(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NodeManager打上標簽，比如highmem，highdisk等，以作為NodeManager的基本屬性;同時，用戶可以為調(diào)度器中的隊列設(shè)置若干標簽，以限制該隊列只能占用包含對應(yīng)標簽的節(jié)點資源，這樣，提交到某個隊列中的作業(yè)，只能運行在特定一些節(jié)點上。通過打標簽，用戶可將Hadoop分成若干個子集群，進而使得用戶可將應(yīng)用程序運行到符合某種特征的節(jié)點上，比如可將內(nèi)存密集型的應(yīng)用程序(比如Spark)運行到大內(nèi)存節(jié)點上。

2.Hulu應(yīng)用案例

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

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

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

個性化機器需求。由于對特殊環(huán)境的依賴，有些應(yīng)用程序只能運行在大集群中的特定節(jié)點上。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)，這些庫通常只會安裝在若干節(jié)點上;docker container的運行依賴于docker engine，為了簡化運維成本，我們 只會讓docker運行在若干指定的節(jié)點上。

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

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

mr-node：運行MapReduce作業(yè)的機器，這些機器配置是多樣的;

docker-node：運行docker應(yīng)用程序的機器，這些機器上裝有docker engine;

streaming-node：運行spark streaming流式應(yīng)用的機器。

圖3 YARN部署示例

需要注意的是，YARN允許一個節(jié)點同時存在多個標簽，進而實現(xiàn)一臺機器混合運行多類應(yīng)用程序(在hulu內(nèi)部，我們允許一些節(jié)點是共享的，同時可以運行多種應(yīng)用程序)。表面上看來，通過引入標簽將集群分成了多個物理集群，但實際上，這些物理集群跟傳統(tǒng)意義上完全隔離的集群是不同的，這些集群既相互獨立又相互關(guān)聯(lián)，用戶可非常容易地通過修改標簽動態(tài)調(diào)整某個節(jié)點的用途。

Hadoop YARN應(yīng)用案例及經(jīng)驗總結(jié)

Hadoop YARN作為一個數(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)計方面進行了大量探索和實踐，開發(fā)了多個可直接運行在YARN上的分布式計算框架和計算引擎，典型的代表是voidbox和nesto。

(1)基于Docker的容器計算框架 voidbox

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

為了整合YARN和Docker各自的獨特優(yōu)勢，Hulu北京大數(shù)據(jù)團隊開發(fā)了Voidbox。Voidbox是一個分布式的計算框架，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)、測試、自動發(fā)布的流程。

圖4 Voidbox系統(tǒng)架構(gòu)

在Voidbox中，YARN負責集群的資源調(diào)度，Docker作為一個執(zhí)行引擎，從Docker Registry中拉取鏡像執(zhí)行。Voidbox負責為基于容器的DAG任務(wù)申請資源，運行Docker任務(wù)。如圖4所示，每個黑線框代表一臺機器，上面運行著幾個模塊，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)用程序包含一個或多個Docker作業(yè)，一個作業(yè)包含一個或多個Docker任務(wù))，比如提交和殺死Voidbox應(yīng)用程序等。

VoidboxMaster：實際上是一個YARN的Application Master，負責向YARN申請資源，并將得到的資源進一步分配給內(nèi)部的Docker任務(wù)。

VoidboxDriver：負責單個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負責處理DAG任務(wù)之間的依賴順序調(diào)度以及運行用戶代碼。

VoidboxProxy：是YARN與Docker引擎之間的橋梁，負責中轉(zhuǎn)YARN發(fā)向Docker引擎的命令，比如啟動或殺死Docker容器等。

StateServer：維護各個Docker引擎的健康狀況信息，向Voidbox Master提供可運行Docker Container的機器列表，使得Voidbox Master可以更有效地申請資源。

Docker組件：

DockerRegistry：存儲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進行應(yīng)用程序的版本管理，當應(yīng)用版本更新時，Jenkins負責編譯打包，生成Docker鏡像，上傳至Docker Registry，從而完成應(yīng)用程序自動發(fā)布的流程。

類似于spark on yarn，Voidbox也提供兩種應(yīng)用程序運行模式，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行在集群中，Voidbox應(yīng)用程序提交成功后，客戶端可以隨時退出而不影響集群中應(yīng)用程序的運行。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行在客戶端，其他組件運行在集群中，客戶端可以看到關(guān)于應(yīng)用程序運行狀態(tài)的更多信息，客戶端退出后，在集群中運行的應(yīng)用程序也隨即退出，yarn-client模式可以方便用戶進行調(diào)試。

(2)并行計算引擎nesto

nesto是hulu內(nèi)部一個類似于presto/impala的MPP計算引擎，它是專門為處理復(fù)雜的嵌套式數(shù)據(jù)而設(shè)計的，支持復(fù)雜的數(shù)據(jù)處理邏輯(SQL難以表達)，其采用了列式存儲、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nesto server通過zookeeper進行服務(wù)發(fā)現(xiàn)。

為了簡化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單：Nesto安裝程序 (包括配置文件和jar包)被打成一個獨立的壓縮包存放到HDFS，用戶可通過運行一個提交命令，并指定啟動的nesto server數(shù)目、每個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ApplicationMaster和多個Executor構(gòu)成，其中ApplicationMaster負責像YARN申請資源，并啟動Executor，而Executor的作用是啟動nesto server，關(guān)鍵設(shè)計點在ApplicationMaster，它的功能包括：

與ResourceManager通信，申請資源，這些資源需保證來自不同的結(jié)點，以達到每個節(jié)點只啟動一個Executor的目的;

與NodeManager通信，啟動Executor，并監(jiān)控這些Executor健康狀況，一旦發(fā)現(xiàn)某個Executor出現(xiàn)故障，則重新在其他節(jié)點上啟動一個新的Executor;

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

2.Hadoop YARN開發(fā)經(jīng)驗總結(jié)

(1)巧用資源申請API

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

(2)注意memory overhead

一個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為其申請的container內(nèi)存大小應(yīng)為X+D，其中D為jvm overhead，否則可能會因總內(nèi)存超出限制被YARN殺死。

(3) log rotation

對于長服務(wù)而言，服務(wù)日志會越積攢越多，因而log rotation顯得尤為重要。由于啟動之前，應(yīng)用程序是無法知道日志具體存放位置(比如哪個節(jié)點的哪個目錄下)的，為了方便用戶操作日志目錄，YARN 提供了宏，當該宏出現(xiàn)在啟動命令中時，YARN會自動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Container之前，會將該Container相關(guān)的環(huán)境變量、啟動命令等信息寫入一個shell腳本，并通過啟動該腳本的方式啟動Container。有些情況下，Container啟動失敗可能是由于啟動命令寫錯的緣故(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

當在YARN集群中同時運行多種應(yīng)用程序時，可能造成節(jié)點負載不一，進而導(dǎo)致某些節(jié)點上的任務(wù)運行速度慢于其他節(jié)點，這對于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)通過打標簽的方式將這類應(yīng)用運行到一些獨享的節(jié)點上 2)在應(yīng)用程序內(nèi)部實現(xiàn)類似于MapReduce和Spark的推測執(zhí)行機制，為慢任務(wù)額外啟動一個或多個同樣的任務(wù)，以空間換時間的方式，避免慢任務(wù)拖慢整個應(yīng)用程序的運行效率。

Hadoop YARN發(fā)展趨勢

對于 YARN，會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 MapReduce、Spark 短作業(yè)的支持，以及對 Web Service 等長服務(wù)的支持。