转载

storm如何分配任务和负载均衡?

背景

在上篇:storm的基础框架分析

基本探讨了storm的:

  1. worker、executor等组件的关系.
  2. 线程模型和消息系统.
  3. 任务分配流程.
  4. topology提交到执行的过程.

但,感觉对nimbus、supervisor、并行度,任务分配和负载均衡的关系没有交代清楚,而且细节上也有些瑕疵,本篇做一个补充。

基础组件之间的关系

storm如何分配任务和负载均衡?

这里做一些补充:

  1. worker是一个进程,由supervisor启动,并只负责处理一个topology,所以不会同时处理多个topology.
  2. executor是一个线程,由worker启动,是运行task的物理容器,其和task是1 -> N关系.
  3. component是对spout/bolt/acker的抽象.
  4. task也是对spout/bolt/acker的抽象,不过是计算了并行度之后。component和task是1 -> N 的关系.

supervisor会定时从zookeeper获取topologies、已分配的任务分配信息assignments及各类心跳信息,以此为依据进行任务分配。

在supervisor周期性地进行同步时,会根据新的任务分配来启动新的worker或者关闭旧的worker,以响应任务分配和负载均衡。

worker通过定期的更新connections信息,来获知其应该通讯的其它worker。

worker启动时,会根据其分配到的任务启动一个或多个executor线程。这些线程仅会处理唯一的topology。

executor线程负责处理多个spouts或者多个bolts的逻辑,这些spouts或者bolts,也称为tasks。

并行度的计算

相关配置及参数的意义

具体有多少个worker,多少个executor,每个executor负责多少个task,是由配置和指定的parallelism-hint共同决定的,但指定的并行度并不一定等于实际运行中的数目。

1、TOPOLOGY-WORKERS参数指定了某个topology运行时需启动的worker数目.

2、parallelism-hint指定某个component(组件,如spout)的初始executor的数目.

3、TOPOLOGY-TASKS是component的tasks数,计算稍微复杂点:

(1). 如果未指定TOPOLOGY-TASKS,此值等于初始executors数.

(2). 如果已指定,和TOPOLOGY-MAX-TASK-PARALLELISM值进行比较,取小的那个作为实际的TOPOLOGY-TASKS.

用代码来表达就是:

(defn- component-parallelism [storm-conf component] (let [storm-conf (merge storm-conf (component-conf component))  num-tasks (or (storm-conf TOPOLOGY-TASKS) (num-start-executors component))  max-parallelism (storm-conf TOPOLOGY-MAX-TASK-PARALLELISM)  ]   (if max-parallelism     (min max-parallelism num-tasks)     num-tasks))) 

4、对于acker这种特殊的bolt来说,其并行度计算如下:

(1). 如果指定了TOPOLOGY-ACKER-EXECUTORS,按这个值计算.(2). 如果未指定,那么按TOPOLOGY-WORKERS的值来设置并行度,这种情况下,一个acker对应一个worker,显然,在计算任务繁重、数据量比较大的情况下,这是不合适的。

5、如果配置了NIMBUS-SLOTS-PER-TOPOLOGY,在提交topology到nimbus时,会验证topology所需的worker总数,如果超过了这个值,说明不能够满足需求,则抛出异常。

6、如果配置了NIMBUS-EXECUTORS-PER-TOPOLOGY,如第5点,会验证topology所需的executor总数,如果超出,也会抛出异常。

同时,需要注意,实际运行中,有可能出现并行的TASKS数小于指定的数量。通过调用nimbus接口的rebalance或者do-rebalance操作,以上并行度可被动态改变。

并行度计算在任务分配中的体现

先回顾下任务分配中的几个主要角色:

storm如何分配任务和负载均衡?

接着看几段重要的并行度计算代码:

1、计算所有topology的topology-id到executors的映射关系:

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ; 计算所有tolopogy的topology-id到executors的映射 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; (defn- compute-topology->executors [nimbus storm-ids]   "compute a topology-id -> executors map"   (into {} (for [tid storm-ids]              {tid (set (compute-executors nimbus tid))})))

2、计算topology-id到executors的映射信息:

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ; 计算topology-id到executors的映射 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; (defn- compute-executors [nimbus storm-id]   (let [conf (:conf nimbus)     storm-base (.storm-base (:storm-cluster-state nimbus) storm-id nil)     component->executors (:component->executors storm-base)     storm-conf (read-storm-conf conf storm-id)     topology (read-storm-topology conf storm-id)     task->component (storm-task-info topology storm-conf)]     (->> (storm-task-info topology storm-conf)      reverse-map      (map-val sort)      (join-maps component->executors)      (map-val (partial apply partition-fixed))      (mapcat second)      (map to-executor-id)      ))) 

3、计算topology的任务信息 task-info,这里TOPOLOGY-TASKS就决定了每个组件component(spout、bolt)的并行度,或者说tasks数:

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ; 计算topology的task-info ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; (defn storm-task-info   "Returns map from task -> component id"   [^StormTopology user-topology storm-conf]   (->> (system-topology! storm-conf user-topology)    all-components   ;; 获取每个组件的并行数    (map-val (comp #(get % TOPOLOGY-TASKS) component-conf))    (sort-by first)    (mapcat (fn [[c num-tasks]] (repeat num-tasks c)))    (map (fn [id comp] [id comp]) (iterate (comp int inc) (int 1)))    (into {})    )) 

4、上述1、2、3段代码会在nimbus进行任务分配时调用,任务分配是通过mk-assignments函数来完成,调用过程用伪代码描述如下:

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ; nimbus进行任务分配 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; mk-assignments ;; 这一步计算topology的所有executor对应的node + port信息 ->compute-new-topology->executor->node+port ->compute-topology->executors -> ...

nimbus进行任务分配

这里回顾并补充下nimbus进行任务分配的主要流程:

任务分配的流程

1、nimbus将一组node + port 称为worker-slot,由executor到worker-slot的映射信息,就决定executor将在哪台机器、哪个worker进程运行,随之spout、bolt、acker等位置也就确定了,如下图所示:

storm如何分配任务和负载均衡?

2、 nimbus是整个集群的控管核心,总体负责了topology的提交、运行状态监控、负载均衡及任务分配等工作。

3、nimbus分配的任务包含了topology代码所在的路径(在nimbus本地)、tasks、executors及workers信息。worker由node + port及配置的worker数量来唯一确定。

任务信息Assignment结构如下:

storm如何分配任务和负载均衡?

3、supervisor负责实际的同步worker的操作。一个supervisor称为一个node。所谓同步worker,是指响应nimbus的任务分配,进行worker的建立、调度与销毁。在收到任务时,如果相关的topology代码不在本地,supervisor会从nimbus下载代码并写入本地文件。

4、 通过node、port、host信息的计算,worker就知道和哪些机器进行通讯,而当负载均衡发生、任务被重新分配时,这些机器可能发生了变化,worker会通过周期性的调用refresh-connections来获知变化,并进行新连接的建立、废弃连接的销毁等工作,如下图所示:

storm如何分配任务和负载均衡?

任务分配的依据

supervisor、worker、executor等组件的心跳信息会同步至zookeeper,nimbus会周期性地获取这些信息,结合已分配的任务信息assignments、集群现有的topologies(已运行+未运行)等等信息,来进行任务分配,如下图所示:

storm如何分配任务和负载均衡?

任务分配的时机

1、通过rebalance和do-reblalance(比如来自web调用)触发负载均衡,会触发mk-assignments即任务分配。

2、同时,nimbus进程启动后,会周期性地进行任务分配。

3、客户端通过 storm jar ... topology 方式提交topology,会通过thrift调用nimbus接口,提交topology,启动新storm实例,并触发任务分配。

负载均衡

负载均衡和任务分配是连在一起的,或者说任务分配中所用到的关键信息是由负载均衡来主导计算的,上文已经分析了任务分配的主要角色和流程,那么负载均衡理解起来就很容易了,流程和框架如下图所示:

storm如何分配任务和负载均衡?

其中,负载均衡部分的策略可采用平均分配、机器隔离或topology隔离后再分配、Round-Robin等等,因为主要讨论storm的基础框架,而具体的负载均衡策略各家都不一样,而且这个策略是完全可以自定义的,比如可以将机器的实际能力如CPU、磁盘、内存、网络等等资源抽象为一个一个的资源slot,以此slot为单位进行分配,等等。

这里就不深入展开了。

通过负载均衡得出了新的任务分配信息assignments,nimbus再进行一些转换计算,就会将信息同步到zookeeper上,supervisor就可以根据这些信息来同步worker了。

结语

本篇作为对上篇的补充和完善而作.

也完整地回答了这个问题:

在Topology中我们可以指定spout、bolt的并行度,在提交Topology时Storm如何将spout、bolt自动发布到每个服务器并且控制服务的CPU、磁盘等资源的?

终。

正文到此结束
Loading...