深入解析HetuEngine實現On Yarn原理

Posted on by

摘要：本文介紹HetuEngine實現On Yarn的原理，通過閱讀本文，讀者可以瞭解HetuEngine如何在資源使用方面融入Hadoop生態體系。

本文分享自華為雲社區《MRS HetuEngine 特性之 On Yarn原理介紹》，作者：一顆檸檬。

HetuEngine是華為自研高性能分佈式SQL查詢&數據虛擬化引擎。與大數據生態無縫融合，實現海量數據秒級查詢；支持多源異構協同，使能數據湖內一站式SQL融合分析。在整合開源能力的同時，MRS HetuEngine相較於開源社區也做瞭大量的優化，其中一個重要的特性就是On Yarn。

什麼是On Yarn？

顧名思義，就是將進程運行在Yarn上，由Yarn進行資源的管理和調度。

不論是TrinoDB/PrestoDB還是openLooKeng，部署方式都是將coordinator和worker進程直接運行在主機上，與主機上的其他應用程序共享資源，無法做到資源隔離，並且難以擴展。

MRS HetuEngine借助Yarn Service提供的能力，將coordinator和worker進程以Yarn application的形式運行在Yarn container中，通過MRS集群的租戶劃分，可以將HetuEngine計算實例啟動在特定租戶隊列裡，從而實現資源隔離。

HetuEngine架構

下圖是HetuEngine的拓撲圖。HetuEngine向下可以對接各類數據源(比如Hive，GaussDB，HBASE，Elasticsearch等)，對外向用戶提供CLI/JDBC接口。在同一套MRS集群中，HetuEngine可以在不同租戶隊列中啟動多個HetuEngine計算實例，支持一個租戶隊列上啟動一個計算實例。由HetuEngine的HSBroker實例與Yarn Service交互，將租戶隊列與計算實例綁定，由HSConsole提供運維管理頁面，對HetuEngine的多個計算實例進行運維管理操作，包括啟動、停止、刪除計算實例，對計算實例進行資源配置，擴縮容等。

HetuEngine On Yarn原理

如前所述，On Yarn就是把進程運行在瞭Yarn 的container中。HetuEngine 是如何實現將coordinator 和worker運行中Yarn中呢？

Yarn Service提供瞭一系列API以及一個通用的AM，讓用戶可以調用API即可將任務提交到Yarn上，由Yarn實現任務的容器化，對容器進行資源和生命周期管理。詳細請參考開源社區的介紹。https://hadoop.apache.org/docs/r3.1.0/hadoop-yarn/hadoop-yarn-site/yarn-service/Overview.html

HetuEngine的 On Yarn實現正是借助瞭Yarn Service所提供的能力。在HetuEngine的HSBroker中，調用Yarn Service的API，拉起application，在container中運行HetuEngine自己的進程，也就是coordinator和worker。其中有以下幾個關鍵點：

Yarn Service API

創建一個Yarn Service服務的接口是/app/v1/services，參數json結構如下。

POST /app/v1/services
{
  "name": "hello-world",
  "version": "1.0.0",
  "description": "hello world example",
  "components" :
    [
      {
        "name": "hello",
        "number_of_containers": 1,
        "artifact": {
          "id": "nginx:latest",
          "type": "DOCKER"
        },
        "launch_command": "./start_nginx.sh",
        "resource": {
          "cpus": 1,
          "memory": "256",
          "additional" : {
            "yarn.io/gpu" : {
              "value" : 4,
              "unit" : ""
            }
          }     
        }
      }
    ]
  • name：服務名稱，顯示在Yarn的resource manager WEB界面servicename；
  • version：版本號
  • description：服務的描述
  • components:一個service中可以包含多個component，以運行不同的任務；
  • components.name：component名稱
  • number_of_containers：此component中container的數量；
  • artifact：進程依賴的資源文件，包含id和type信息，type支持docker和tarball
  • launch_command:進程啟動命令
  • resource：此component所需的資源。

HetuEngine的HSBroker根據用戶輸入構造此json，然後調用Yarn Service API，實現On Yarn。此外Yarn Service還提供stop/delete等API，也由HSBroker調用，實現對HetuEngine計算實例的停止/刪除等運維操作。

依賴文件

Yarn Service支持資源文件在HDFS上的形式啟動進程，其提供的API可以接收tar包以及docker等形式的資源文件，由Yarn Service自行將HDFS上的文件進行資源本地化。因此，HetuEngine隻需將依賴的jar包和資源文件提前部署在HDFS上的指定位置，在調用Yarn Service的API時指定資源文件即可。

租戶綁定

HetuEngine支持將計算實例與Yarn的租戶隊列綁定，每個隊列上都可以運行一套coordinator + worker的組合。基於前面Yarn Service能力，隻需在構造json時，指定隊列信息即可。除瞭隊列，還可以設置container的放置策略(plecement policy)，這裡不進行詳述，可以參考yarn的文檔。

資源管理

HetuEngine支持用戶自定義coordinator和worker的個數以及CPU內存大小。如下圖，在HetuEngine的HSConsole頁面，用戶可以設置計算實例的CPU，內存，節點個數。內部實現是由HSBroker接收用戶輸入，將container運行所需的資源大小設置在json的resource段中。

當前HetuEngine支持橫向擴展worker的個數，實現資源的彈性伸縮。即使在計算實例處於運行中時，也可以手動調整worker的個數，無需重啟計算實例。這得益於Yarn Service的API中提供的flex接口，可以實現向一個運行中的application增加或者減少container的數量。

客戶端使用

HetuEngine的計算實例創建完成後，用戶可以通過hetu-cli或者JDBC程序進行訪問，需要用戶綁定對應的租戶隊列權限，才能向指定的隊列提交任務。

Hetu CLI示例：

hetu-cli --catalog hive --tenant tenantName --schema schemaName

租戶名：（可選）租戶名。指定HetuEngine啟動的租戶資源隊列，不指定為租戶的默認隊列。使用此參數時，kinit的用戶需要具有該租戶對應角色的權限。

Hetu JDBC示例：

Properties properties = new Properties();
...…
properties.setProperty("tenant", "default");       
properties.setProperty("deploymentMode", "on_yarn");
……
connection = DriverManager.getConnection(url, properties);
……

本文主要介紹瞭HetuEngine On Yarn的原理，其實現主要是借助瞭Yarn Service提供的能力，感興趣的讀者可以深入閱讀開源社區相關的介紹。

到此這篇關於解析HetuEngine實現On Yarn原理的文章就介紹到這瞭,更多相關HetuEngine實現On Yarn原理內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：