《深入解析YARN架构设计与实现原理》第3章 YARN基础库【3.4】

javazx

3.4 服务库与事件库
本节介绍服务库和事件库。
4 L: @6 u) h& H9 A" L4 ]. U3.4.1 服务库
对于生命周期较长的对象， YARN采用了基于服务的对象管理模型对其进行管理， 该模型主要有以下几个特点。
& N+ s/ Y7 y" R  m: K: y❑将每个被服务化的对象分为4个状态： NOTINITED（ 被创建） 、 INITED（ 已初始化） 、 STARTED（ 已启动） 、
6 X9 p- |0 X& K6 ?% {STOPPED（ 已停止） 。
❑任何服务状态变化都可以触发另外一些动作。
; K* P* D8 S5 W1 p8 f, L❑可通过组合的方式对任意服务进行组合， 以便进行统一管理。
YARN中关于服务模型的类图（ 位于包org.apache.hadoop.service中） 如图3-13所示。 在这个图中， 我们可以看到， 所有的服务
) F+ W( a: p6 [$ n+ @8 Z9 C对象最终均实现了接口Service， 它定义了最基本的服务初始化、 启动、 停止等操作， 而AbstractService类提供了一个最基本的
; |3 S5 p+ \9 P. a; kService实现。 YARN中所有对象， 如果是非组合服务， 直接继承AbstractService类即可， 否则需继承CompositeService。 比如， 对于
ResourceManager而言， 它是一个组合服务， 它组合了各种服务对象， 包括ClientRMService、 ApplicationMasterLauncher、
ApplicationMasterService等。
0 `2 ]- G& z" u% [" `# x图3-13 YARN中服务模型的类图
  ?; R+ n% s9 z8 f: k9 W' r在YARN中， ResourceManager和NodeManager属于组合服务， 它们内部包含多个单一服务和组合服务， 以实现对内部多种服
务的统一管理。
2 \9 S+ F3 h9 P3.4.2 事件库
% r8 z# o6 M; n1 \, kYARN采用了基于事件驱动的并发模型， 该模型能够大大增强并发性， 从而提高系统整体性能。 为了构建该模型， YARN将
各种处理逻辑抽象成事件和对应事件调度器， 并将每类事件的处理过程分割成多个步骤， 用有限状态机表示。 YARN中的事件处
理模型可概括为图3-14所示。
' X$ u  d; }( [% L7 u6 h图3-14 YARN的事件处理模型
整个处理过程大致为： 处理请求会作为事件进入系统， 由中央异步调度器（ Async-Dispatcher） 负责传递给相应事件调度器
6 P' ]) a( J8 A, r% b4 D（ Event Handler） 。 该事件调度器可能将该事件转发给另外一个事件调度器， 也可能交给一个带有有限状态机的事件处理器， 其
处理结果也以事件的形式输出给中央异步调度器。 而新的事件会再次被中央异步调度器转发给下一个事件调度器， 直至处理完成
（ 达到终止条件） 。
在YARN中， 所有核心服务实际上都是一个中央异步调度器， 包括ResourceManager、 NodeManager、
MRAppMaster（ MapReduce应用程序的ApplicationMaster） 等， 它们维护了事先注册的事件与事件处理器， 并根据接收的事件类型
驱动服务的运行。
YARN中事件与事件处理器类的关系（ 位于包org.apache.hadoop.yarn.event中） 如图3-15所示。 当使用YARN事件库时， 通常先
6 B: m' \: [2 B0 v! Y4 i要定义一个中央异步调度器AsyncDispatcher， 负责事件的处理与转发， 然后根据实际业务需求定义一系列事件Event与事件处理器
EventHandler， 并注册到中央异步调度器中以实现事件统一管理和调度。 以MRAppMaster为例， 它内部包含一个中央异步调度器
AsyncDispatcher， 并注册了TaskAttemptEvent/TaskAttemptImpl、 TaskEvent/TaskImpl、 JobEvent/JobImpl等一系列事件/事件处理器， 由
, @$ R# T8 Z/ b; Y1 y$ j中央异步调度器统一管理和调度。
' d7 P. z; B0 s8 M4 P* ~9 J8 F5 {- b服务化和事件驱动软件设计思想的引入， 使得YARN具有低耦合、 高内聚的特点， 各个模块只需完成各自功能， 而模块之间
则采用事件联系起来， 系统设计简单且维护方便。
图3-15 事件与事件处理器
3.4.3 YARN服务库和事件库的使用方法
3 g$ E2 Z( R& U! m- B为了说明YARN服务库和事件库的使用方法， 本小节介绍一个简单的实例， 该实例可看做MapReduce
ApplicationMaster（ MRAppMaster） 的简化版。 该例子涉及任务和作业两种对象的事件以及一个中央异步调度器。 步骤如下。
) a, X0 v- B. n9 I) q: Q* Q; ~( @1） 定义Task事件。
' T* B6 i) _; npublic class TaskEvent extends AbstractEvent<TaskEventType> {
private String taskID; //Task ID
public TaskEvent(String taskID, TaskEventType type) {
0 Z0 Y  w! l, t6 `super(type);
this.taskID = taskID;
' [4 \' w: a* }( h) o! l1 P} p
ublic String getTaskID() {
; R0 H/ g* {9 o) o, kreturn taskID;
} 其
1 Z- x4 V3 i" g2 Q中， Task事件类型定义如下：
. H$ c1 U1 U. p& apublic enum TaskEventType {
T_KILL,
; C- K; {0 X1 }  G5 z# J6 X+ f9 X% n, cT_SCHEDULE
}
( [, q( G+ J+ }  _9 m' l  k2） 定义Job事件。
! ]5 s( p" h' ^, B9 s- Zpublic class JobEvent extends AbstractEvent<JobEventType> {
private String jobID;
public JobEvent(String jobID, JobEventType type) {
6 h/ q. Y9 V. {7 t: ^5 ]* Wsuper(type);
3 q/ y% H; Q9 e& _4 H! Gthis.jobID = jobID;
# N0 B; t/ n# _. N. a' m8 E} p
- h# @* v$ ?& Z& p3 a% E, f2 Aublic String getJobId() {
4 D: @' x8 U/ o  {( ]2 D% ^5 f* ^return jobID;
4 J5 w( G/ F2 K+ j) z}
}
: m/ o0 k  H$ y- ?8 `其中， Job事件类型定义如下：
public enum JobEventType {
+ S* W9 z2 N6 gJOB_KILL,
" d& B% P3 l7 L7 a3 e, b6 G' ~5 ]" iJOB_INIT,
JOB_START
}
3） 事件调度器。
  w( {3 F2 ~' k) n* g接下来定义一个中央异步调度器， 它接收Job和Task两种类型事件， 并交给对应的事件处理器处理， 代码如下：
2 k- J& ?+ ~/ o@SuppressWarnings("unchecked")
public class SimpleMRAppMaster extends CompositeService {
private Dispatcher dispatcher; //中央异步调度器
# O) ^, H" R, y- {2 x/ Iprivate String jobID;
private int taskNumber; //该作业包含的任务数目
" V# T, g1 }* V% Gprivate String[] taskIDs; //该作业内部包含的所有任务
& T) G1 J/ ]8 S2 W/ ipublic SimpleMRAppMaster(String name, String jobID, int taskNumber) {
super(name);
: g# d$ V! C' i3 tthis.jobID = jobID;
this.taskNumber = taskNumber;
taskIDs = new String[taskNumber];
for(int i = 0; i < taskNumber; i++) {
taskIDs = new String(jobID + "_task_" + i);
}
} p
ublic void serviceInit(final Configuration conf) throws Exception {
  x' }& e" l7 q! @dispatcher = new AsyncDispatcher();//定义一个中央异步调度器
//分别注册Job和Task事件调度器
1 `5 _* E7 F. F! P7 k$ ]dispatcher.register(JobEventType.class, new JobEventDispatcher());
  P& U3 s* ]' u0 |. Ddispatcher.register(TaskEventType.class, new TaskEventDispatcher());
addService((Service) dispatcher);
super.serviceInit(conf);
$ {" k+ N7 P/ ]( Y7 i8 g# M} p
0 V# x" M0 ?' t) B. }1 fublic Dispatcher getDispatcher() {
4 |, T8 j! T! t! D. freturn dispatcher;
} p
( z1 x9 s7 T& Arivate class JobEventDispatcher implements EventHandler<JobEvent> {
@Override
9 M6 d! ~" ~/ V+ zpublic void handle(JobEvent event) {
0 [( X6 x4 W6 k8 kif(event.getType() == JobEventType.JOB_KILL) {
System.out.println("Receive JOB_KILL event, killing all the tasks");
8 O$ _% H* s% P; c# D8 F: p$ hfor(int i = 0; i < taskNumber; i++) {
! }% E, i3 O1 K, Rdispatcher.getEventHandler().handle(new TaskEvent(taskIDs,
# A0 o: T7 o& S: I  ^TaskEventType.T_KILL));
4 o! g% ?( z/ [}
; Z% D4 w, A7 H6 `2 k" W3 c1 K} else if(event.getType() == JobEventType.JOB_INIT) {
2 e* Z8 |+ F8 O& Y/ nSystem.out.println("Receive JOB_INIT event, scheduling tasks");
! n* _( q! u( L. a: Q  Jfor(int i = 0; i < taskNumber; i++) {
4 `' y$ ~, R* X8 Idispatcher.getEventHandler().handle(new TaskEvent(taskIDs,
TaskEventType.T_SCHEDULE));
. p$ M% c1 I1 O, _}
8 b. F& |. A; O5 M6 [1 S/ {}
}
: e% @0 l6 e9 ^}p
, _' x/ I  R# k& Q: D' grivate class TaskEventDispatcher implements EventHandler<TaskEvent> {
/ ?5 b1 R( Z% Z@Override
public void handle(TaskEvent event) {
5 }& H$ s5 A* D, D: T( X% Y+ nif(event.getType() == TaskEventType.T_KILL) {
! n  P% @' A5 r# ^3 TSystem.out.println("Receive T_KILL event of task " + event.getTaskID());
0 c$ L( e8 Q3 r} else if(event.getType() == TaskEventType.T_SCHEDULE) {
System.out.println("Receive T_SCHEDULE event of task " + event.getTaskID());
}
2 Z, S; t3 w9 p}
}
% i1 I7 `; p8 `+ ~! ~0 ^- }5 n0 k  E}
4） 测试程序。
@SuppressWarnings("unchecked")
2 i# }& ^) p9 `( g% N5 u' Jpublic class SimpleMRAppMasterTest {
public static void main(String[] args) throws Exception {
0 A( m+ \' o0 Q. P1 a7 V) C) uString jobID = "job_20131215_12";
. j6 d! A3 I( g6 zSimpleMRAppMaster appMaster = new SimpleMRAppMaster("Simple MRAppMaster", jobID, 5);
YarnConfiguration conf = new YarnConfiguration(new Configuration());
2 G* s* m4 i  ?$ B. Y2 n: h8 CappMaster.serviceInit(conf);
* i5 |, d! A7 f; IappMaster.serviceStart();
appMaster.getDispatcher().getEventHandler().handle(new JobEvent(jobID,
JobEventType.JOB_KILL));
& m9 v. [9 ~- \0 n) C3 u* b- AappMaster.getDispatcher().getEventHandler().handle(new JobEvent(jobID,
% T6 N7 _( B: W) ^2 m# y& tJobEventType.JOB_INIT));
  v# ?* {$ P: g5 ^/ U% P}
  [0 ~9 z; W( I; i3.4.4 事件驱动带来的变化
在MRv1中， 对象之间的作用关系是基于函数调用实现的， 当一个对象向另外一个对象传递信息时， 会直接采用函数调用的
5 P+ h2 o( t$ o4 z2 r8 s方式， 且整个过程是串行的。 比如， 当TaskTracker需要执行一个Task时， 将首先下载Task依赖的文件（ JAR包、 二进制文件等、
5 ^6 y; @0 y! t3 y字典文件等） 、 然后执行Task。 同时在整个过程中会记录一些关键日志， 该过程可用图3-16描述。 在整个过程中， 下载依赖文件
7 b" p4 k7 O. s. a0 `2 @是阻塞式的， 也就是说， 前一个任务未完成文件下载之前， 后一个新任务将一直处于等待状态， 只有在下载完成后， 才会启动一
个独立进程运行该任务。 尽管后来MRv1通过启动过独立线程下载文件 解决了该问题 [15] ， 但这种方式不是在大系统中彻底解决
问题之道， 必须引入新的编程模型。
图3-16 基于函数调用的工作流程
基于函数调用的编程模型是低效的， 它隐含着整个过程是串行、 同步进行的。 相比之下， MRv2引入的事件驱动编程模型则
是一种更加高效的方式。 在基于事件驱动的编程模型中， 所有对象被抽象成了事件处理器， 而事件处理器之间通过事件相互关
联。 每种事件处理器处理一种类型的事件， 同时根据需要触发另外一种事件， 该过程如图3-17所示， 当A需要下载文件时， 只需
向中央异步处理器发送一个事件即可（ 之后可以继续完成后面的功能而无须等待下载完成） ， 该事件会被传递给对应的事件处理
器B， 由B完成具体的下载任务。 一旦B完成下载任务， 便可以通过事件通知A。
图3-17 基于事件驱动的工作流程
相比于基于函数调用的编程模型， 这种编程方式具有异步、 并发等特点， 更加高效， 因此更适合大型分布式系统。
2 C4 G, A, W; m4 u; l5 h* d5 }[15] 参见网址https://issues.apache.org/jira/browse/MAPREDUCE-2705。