搜索离线生产集群中的流计算培训.ppt

一淘及搜索事业部 阿里搜索引擎技术峰会 一淘及搜索事业部 阿里搜索引擎技术峰会 一淘及搜索事业部 引擎平台统一之路 阿里搜索引擎技术峰会 iSearch3 iSearch3 kingso iSearch5 2013 一淘及搜索事业部 阿里搜索引擎技术峰会 THANK YOU! 提纲 搜索离线系统技术体系 Hadoop-2.0 YARN介绍 Stream Service 计算模型 Stream Service 服务调度 Stream Service 运维操作 * 搜索离线系统技术体系 * HDFS YARN HBase MapReduce Stream Service HQueue 搜索离线业务 网页抓取 数据处理 数据统计 Pig Hive 数据挖掘 ……. Hadoop-1.0 VS Hadoop-2.0 * Applications on YARN * Stream Service 计算模型 基本概念 拓扑结构 消息管理 进度管理 编程接口 * 基本概念 Stream Service：完成一套业务功能的流计算服务 Stream Role：1个Role表示1组具备相同计算功能的计算单元 Stream Worker：Stream Role中的计算单元 Stream Source：Stream Worker的数据输入源 Stream Sink：Stream Worker的数据输出终端 Stream Master：负责调度管理Stream Workers * 拓扑结构 * Stream Source Stream Sink/Source Stream Sink/Source Stream Sink Stream Source Stream Source Stream Role Stream Role Stream Role Stream Role 分布式消息队列(HQueue等) HBase,iSearch等 MySQL DRC, TT等 消息管理 Stream Service的设计理念：计算和存储分层，计算之间解耦 计算层之间采用持久化分布式消息队列进行消息传递 消息不会丢失 消息队列可自由选择 优势 消息管理机制简单，系统OverHead消耗少，吞吐量大 上下游计算解耦，不相互阻塞进度，方便新业务接入 持久化的消息流，方便多业务共享数据以及问题追查 * 进度管理 流进度基于时间轴（消息生成时间 vs 消息处理时间） Master WebUI展示Workers进度 Master监控Workers进度（进度过慢进行报警） Worker定期将进度CheckPoint到ZK Worker重启从ZK上的CheckPoint进行恢复 * 编程接口 InputFormat：Stream Source（例如：DRC,TT, HQueue）的操作封装 getSplits(Source)：为Stream Source进行数据分片拆分 createReader(Split)：为Data Split创建Reader reader.next()：流式读取消息 * Split Split Split Split Stream Source reader reader reader reader message message message message 编程接口 Worker：定制消息业务处理逻辑 setUp()：消息处理前的初始化工作 cleanUp()：消息处理结束后的清理工作 process(message)：消息一条条处理 * 编程接口 Router：消息的路由策略 getSinks(message)：获取消息的输出sink列表，决定消息向那里路由发送 * Stream Worker Stream Sink Stream Sink Stream Sink message Router 编程接口 OutputFormat：Stream Sink（例如：HBase,HQueue等）的操作封装 createWriter(Sink)：为Stream Sink创建Writer writer.write(partitionID, message)：向Stream Sink写消息，并按PartitionID进行打散分发 Partitioner：消息的分发策略 getPartition(message)：获取消息的partitionID，根据此partitionID决定如何分发打散 * partition partition partition partition Writer Stream Sink message partitionID 服务调度 一级调度，资源调度管理 YARN Resource Manager - Stream Master 二级调度