转载

Spark Streaming 妙用之实现工作流调度器

之前有说过要设计一个工作流调度器。开发一个完善的工作流调度器应该并不是一件简单的事情。但是通过Spark Streaming(基于Transfomer架构的理念),我们可能能简化这些工作。我在这块并没有什么经验,这只是一个存在于脑海中的东西。

一个典型的工作流调度器架构可能如下:

Spark Streaming 妙用之实现工作流调度器

也就是说要搭建一个稳定可靠的Azkaban的工作流调度器,你可能需要

  • 两台 互为主备MySQL
  • 两台Executor Server
  • 一台Web Server
  • 你需要做架构设计,考虑WebServer 和 Executor Server的通讯问题
  • 扩展性问题。Executor 能够动态调整?
  • 稳定性问题。毕竟24小时运行的

然而,你完全可以不需要关注这么多,按照Transfomer架构的设计,我们应该可以找到一个Estimator ,简化我们的编程,我们只要按照Estimator的规范,

  • 实现业务逻辑,也就是工作流的生成,解析,运行和存储等操作。
  • 实现管理页面逻辑
  • 指定需要的资源cpu/内存,就能Run起来这个Transformer

其他的事情应该都是Estimator 要去做的。我搜罗了一圈,发现Spark Streaming 是能够满足该需求的一个Estimator。

这得益于,Spark Streaming 从某个角度而言就是个定时任务调度系统,也就是我们说的微批处理。对于工作流调度器而言,无非就是每个周期(duration)在Driver端启动线程扫描MySQL,实现任务的分发和执行。

那如果实现一个类似Azkaban 能够的做的事情,前面我们提到,要做三件事情,分别对应为:

  1. 实现业务逻辑,也就是工作流的生成,解析,运行和存储等操作。其中 生成解析存储 三个环节可以放在Driver端,也可以都放在Executor 端。也就是说:Driver的设计可重可轻。重的设计可由Driver读取MySQL 并且解析成工作流任务,然后发送给Executor 去执行。轻的设计Driver仅仅是读取MySQL,然后就简单将id分发给各个Executor,各个Executor 负责解析执行和反馈结果。

2.增强 Spark Streaming UI,添加管理页面,实现Azkaban Web Server类似界面。

  1. 按标准的Spark Streaming 程序提交该实现到集群即可完成部署。

我们看到,我们真正做到了只关注核心业务逻辑的实现,所谓部署,安装,运行等环节都实现了平台化(其实Estimator完成了)。 而且实现了资源的细粒度(CPU/内存)划分,而不再是以 服务器 为基本单元。

事实上,我们也可以将一个Spark Streaming当做一个crontab 任务,这样就自然具有了一个分布式的crontab系统,并且提供更友好的管理,甚至能将任务本身融入到crontab中。

后话

Spark Streaming 不一定是最合适的Estimator,你可以自己实现一套类似的Estimator,最终形成所谓的 Azkaban On Yarn的程序。

原文  http://www.jianshu.com/p/89b4f3bf27b2
正文到此结束
Loading...