Giraph源码分析（九）—— Aggregators 原理解析

HamaWhite 原创，转载请注明出处！欢迎大家加入Giraph 技术交流群： 228591158

Giraph中Aggregator的基本用法请参考官方文档：http://giraph.apache.org/aggregators.html ，本文重点在解析Giraph如何实现Aggregators，后文用图示的方法描述了Aggregator的执行过程。

基本原理：在每个超级步中，每个Worker计算本地的聚集值。超级步计算完成后，把本地的聚集值发送给Master汇总。在MasterCompute()执行后，把全局的聚集值回发给所有的Workers。

缺点：当某个应用（或算法）使用了多个聚集器（Aggregators），Master要完成所有聚集器的计算。因为Master要接受、处理、发送大量的数据，无论是在计算方面还是网络通信层次，都会导致Master成为系统瓶颈。

改进：采用分片聚集 (sharded aggregators) . 在每个超级步的最后，每个聚集器被派发给一个Worker，该Worker接受和聚集其他Workers发送给该聚集器的值。然后Workers把自己的所有的聚集器发送给Master，这样Master就无需执行任何聚集，只是接收每个聚集器的最终值。在MasterCompute.compute执行后，Master不是直接把所有的聚集器发送给所有的Workers，而是发送给聚集器所属的Worker，然后每个Worker再把其上的聚集器发送给所有的Workers.

首先给出Master <-- > Worker间， Worker <--> Worker间通信协议，在每个类中的doRequest(ServerData serverData)方法中会解析并存储收到的消息。
1).  org.apache.giraph.comm.requests.SendWorkerAggregatorsRequest 类 . Worker --> Worker Owner
功能：每个worker把当前超步的局部 aggregated values 发送到该Aggregator的拥有者。
2).  org.apache.giraph.comm.requests.SendAggregatorsToMasterRequest 类. Worker Owner--> Master
功能：每个Worker把自己所拥有的Aggregator的最终 aggregated values 发送给 master。
3).  org.apache.giraph.comm.requests.SendAggregatorsToOwnerRequest 类. Master --> Worker Owner.
功能：master把最终的 aggregated values 或aggregators 发送给该Aggregator的拥有者。
4).  org.apache.giraph.comm.requests.SendAggregatorsToWorkerRequest 类。 Worker Owner--> Worker
功能： 发送最终的 aggregated values 到 其他workers。发送者为该Aggregator的拥有者，接受者为除发送者之外的所有workers。

Aggregator分类和 注册

    Giraph中把Aggregator分为两类：regular aggregators和persistent aggregators。regular aggregators的值在每个超级步开始会被重置为初始值，然而persistent aggregators的值在整个应用（算法）中一直保持。举例来说，若LongSumAggregator在每个顶点的compute()方法中加1，如果使用regular aggregators，在每个超级步中就可以读取前一个超级步的参与计算的顶点总数；如果使用persistent aggregators，就可以获取前面所有超级步中参与计算的顶点总和。

    在使用aggregator之前，必须要在mastes上Registering aggregators。做法：继承org.apache.giraph.master.DefaultMasterCompute类，重写 void initalize() 方法。在该方法中注册aggregators，语法如下：

    registerAggregator(aggregatorName, aggregatorClass)
    registerPersistentAggregator(aggregatorName, aggregatorClass)

   说明：MasterCompute.initalize()方法只在第 INPUT_SUPERSTEP (-1) 超级步中执行一次，具体在 BSPServiceMaster.runMasterCompute(long superstep)方法中。在MasterCompute.compute()方法中，可以使用下述方法读取或修改聚集器的值。

     getAggregatedValue(aggregatorName) //获取前一个超级步的聚集器值
     setAggregatedValue(aggregatorName, aggregatedValue) //修改聚集器的值

     MasterCompute.compute()总是在Vertex.compute()前执行。 由于第 INPUT_SUPERSTEP （ -1）个超级步进行的是数据的加载和重分布过程，不计算Vertex.compute()。第0个超级步Vertex.compute()又是在MasterCompute.compute()方法后执行。故对第 -1 、 0个超级步MasterCompute.compute()方法中获得的聚集器值均为其初始值。从第1个超级步开始，MasterCompute.compute()方法才获得了所有Vertex.compute()在第0个超级步聚集的值。

1. 从第0个超级步开始，BspServiceMaster调用MasterAggregatorHandler类的finishSuperStep(MasterClient masterClient) 方法把聚集器派发给Worker，聚集器的value为上一个超级步的全局聚集值（final aggregated values），第一次为初始值。先给出MasterAggregatorHandler的类继承关系，如下：

finishSuperStep(MasterClient masterClient) 方法核心内容如下：

  /**   * Finalize aggregators for current superstep and share them with workers   */  public void finishSuperstep(MasterClient masterClient) {    for (AggregatorWrapper<Writable> aggregator : aggregatorMap.values()) {      if (aggregator.isChanged()) {        // if master compute changed the value, use the one he chose        aggregator.setPreviousAggregatedValue(            aggregator.getCurrentAggregatedValue());        // reset aggregator for the next superstep        aggregator.resetCurrentAggregator();      }    }        /**     * 把聚集器发送给所属的Worker。发送内容：     * 1). Name of the aggregator     * 2). Class of the aggregator     * 3). Value of the aggretator     */    try {      for (Map.Entry<String, AggregatorWrapper<Writable>> entry :          aggregatorMap.entrySet()) {        masterClient.sendAggregator(entry.getKey(),            entry.getValue().getAggregatorClass(),            entry.getValue().getPreviousAggregatedValue());      }      masterClient.finishSendingAggregatedValues();    } catch (IOException e) {      throw new IllegalStateException("finishSuperstep: " +          "IOException occurred while sending aggregators", e);    }  }

问题1：如何确定aggregator的Worker Owner ？
答：根据aggregator的Name来确定它所属的Worker，计算方法如下：

/** * 根据aggregatorName和所有的workers列表来计算aggregator所属的Worker * 参数aggregatorName：Name of the aggregator * 参数workers： Workers的list列表 * 返回值：Worker which owns the aggregator */public static WorkerInfo getOwner(String aggregatorName,List<WorkerInfo> workers) {    //用aggregatorName的HashCode()值模以 Workers的总数目    int index = Math.abs(aggregatorName.hashCode() % workers.size());    return workers.get(index);  //返回aggregator所属的Worker}

问题2：Worker 如何判断自身是否接收完自己所拥有的aggregators？
答：Master给某个Worker发送aggregators时，同时发送到该Worker的aggregators数目。使用的 SendAggregatorsToOwnerRequest类对消息进行封装和解析。

2. Worker接受Master发送的Aggregator，Worker把接收到的聚集体值发送给其他所有Workers，然后每个Workers就会得到上一个超级步的全局聚集值。
由前文知道，每个Worker都有一个ServerData对象，ServerData类中关于Aggregator的两个成员变量如下：

// 保存Worker在当前超步拥有的aggregatorsprivate final OwnerAggregatorServerData ownerAggregator;// 保存前一个超步的aggregatorsprivate final AllAggregatorServerData allAggregatorData;

可以看到，ownerAggregatorData用来存储在当前超步Master发送给Worker的聚集器，allAggregatorData用来保存上一个超级步全局的聚集值。ownerAggregatorData和allAggregatorData值的初始化在SendAggregatorsToOwnerRequest 类中的doRequest(ServerData serverData)方法中，如下：

public void doRequest(ServerData serverData) {    DataInput input = getDataInput();    AllAggregatorServerData aggregatorData = serverData.getAllAggregatorData();    try {      //收到的Aggregators数目。在CountingOutputStream类中有计数器counter，      //每向输出流中添加一个聚集器对象，计数加1. 发送时，在flush方法中把该值插入到输出流最前面。      int numAggregators = input.readInt();      for (int i = 0; i < numAggregators; i++) {        String aggregatorName = input.readUTF();        String aggregatorClassName = input.readUTF();        if (aggregatorName.equals(AggregatorUtils.SPECIAL_COUNT_AGGREGATOR)) {          LongWritable count = new LongWritable(0);          //Master发送给该Worker的requests总数目.          count.readFields(input);          aggregatorData.receivedRequestCountFromMaster(count.get(),              getSenderTaskId());        } else {          Class<Aggregator<Writable>> aggregatorClass =              AggregatorUtils.getAggregatorClass(aggregatorClassName);          aggregatorData.registerAggregatorClass(aggregatorName,              aggregatorClass);          Writable aggregatorValue =              aggregatorData.createAggregatorInitialValue(aggregatorName);          aggregatorValue.readFields(input);          //把收到的上一次全局聚集的值赋值给allAggregatorData          aggregatorData.setAggregatorValue(aggregatorName, aggregatorValue);          //ownerAggregatorData只接受聚集器          serverData.getOwnerAggregatorData().registerAggregator(              aggregatorName, aggregatorClass);        }      }    } catch (IOException e) {      throw new IllegalStateException("doRequest: " +          "IOException occurred while processing request", e);    }    //接受一个 request,计数减1，同时把收到的Data添加到allAggregatorServerData的List<byte[]> masterData中    aggregatorData.receivedRequestFromMaster(getData()); }

    每个Worker在开始计算前，会调用BspServiceWorker类的prepareSuperStep()方法来进行聚集器值的派发和接受其他Workers发送的聚集器值。调用关系如下：

    BspServiceWorker类的prepareSuperStep()方法如下：

@Overridepublic void prepareSuperstep() {   if (getSuperstep() != INPUT_SUPERSTEP) {     /*      * aggregatorHandler为WorkerAggregatorHandler类型,      * 可参考上文中MasterAggregatorHandler的类继承关系.      * workerAggregatorRequestProcessor声明为WorkerAggregatorRequestProcessor（接口）      * 类型，实际为NettyWorkerAggregatorRequestProcessor的实例，      * 用于Worker间发送聚集器的值。      */      aggregatorHandler.prepareSuperstep(workerAggregatorRequestProcessor);   }}

WorkerAggregatorHandler类的prepareSuperstep( WorkerAggregatorRequestProcessor requestProcessor)方法如下：

public void prepareSuperstep(WorkerAggregatorRequestProcessor requestProcessor) {    AllAggregatorServerData allAggregatorData =        serviceWorker.getServerData().getAllAggregatorData();    /**     * 等待直到Master发送给该Worker的聚集器都已接受完，     * 返回值为Master发送给该Worker的所有Data（聚集器）     */    Iterable<byte[]> dataToDistribute =        allAggregatorData.getDataFromMasterWhenReady(            serviceWorker.getMasterInfo());      // 把从Master收到的Data（聚集器）发送给其他所有Workers    requestProcessor.distributeAggregators(dataToDistribute);    // 等待直到接受完其他Workers发送给该Workers的聚集器    allAggregatorData.fillNextSuperstepMapsWhenReady(        getOtherWorkerIdsSet(), previousAggregatedValueMap,        currentAggregatorMap);    // 只是清空allAggregatorServerData的List<byte[]> masterData对象    // 为下一个超级步接受Master发送的聚集器做准备    allAggregatorData.reset();}

下面详述Worker如何判定已接收完所有Master发送的所有Request ？ 主要目的在于描述分布式环境下线程间如何协作。在AllAggregatorServerData类中定义了TaskIdsPermitBarrier类型的变量masterBarrier，用来判断是否接收完Master发送的Request. TaskIdsPermitBarrier类中主要使用wait()、notifyAll()等方法来控制，当获得的aggregatorName等于AggregatorUtils.SPECIAL_COUNT_AGGREGATOR时，会调用requirePermits(long permits,int taskId)来增加接收的arrivedTaskIds和需要等待的request数目waitingOnPermits. 接受一个Request

  /**   * Require more permits. This will increase the number of times permits   * were required. Doesn't wait for permits to become available.   *   * @param permits Number of permits to require   * @param taskId Task id which required permits   */  public synchronized void requirePermits(long permits, int taskId) {    arrivedTaskIds.add(taskId);    waitingOnPermits += permits;    notifyAll();  }

接受一个Request后，会调用releaseOnePermit()方法把waitingOnPermits减1。

3. 在Vertex.compute()方法中，每个Worker聚集自身的值。计算完成后，调用WorkerAggregatorHandler类的finishSuperstep( WorkerAggregatorRequestProcessor requestProcessor)方法，把本地的聚集器的值给句聚集器的aggregatorName发送给该aggregator所属的Worker. Aggregator的属主Worker接受其他所有Workers发送的本地聚集值进行汇总，汇总完毕后发送给Master，供下一次超级步的MasterCompute.compute()方法使用。finishSuperstep方法如下：

 /**   * Send aggregators to their owners and in the end to the master   *   * @param requestProcessor Request processor for aggregators   */  public void finishSuperstep(      WorkerAggregatorRequestProcessor requestProcessor) {    OwnerAggregatorServerData ownerAggregatorData =        serviceWorker.getServerData().getOwnerAggregatorData();    // First send partial aggregated values to their owners and determine    // which aggregators belong to this worker    for (Map.Entry<String, Aggregator<Writable>> entry :        currentAggregatorMap.entrySet()) {        boolean sent = requestProcessor.sendAggregatedValue(entry.getKey(),            entry.getValue().getAggregatedValue());        if (!sent) {          // If it's my aggregator, add it directly          ownerAggregatorData.aggregate(entry.getKey(),              entry.getValue().getAggregatedValue());        }    }    // Flush    requestProcessor.flush();    // Wait to receive partial aggregated values from all other workers    Iterable<Map.Entry<String, Writable>> myAggregators =        ownerAggregatorData.getMyAggregatorValuesWhenReady(            getOtherWorkerIdsSet());    // Send final aggregated values to master    AggregatedValueOutputStream aggregatorOutput =        new AggregatedValueOutputStream();    for (Map.Entry<String, Writable> entry : myAggregators) {        int currentSize = aggregatorOutput.addAggregator(entry.getKey(),            entry.getValue());        if (currentSize > maxBytesPerAggregatorRequest) {          requestProcessor.sendAggregatedValuesToMaster(              aggregatorOutput.flush());        }       }    requestProcessor.sendAggregatedValuesToMaster(aggregatorOutput.flush());    // Wait for master to receive aggregated values before proceeding    serviceWorker.getWorkerClient().waitAllRequests();    ownerAggregatorData.reset();  }

调用关系如下：

4. 大同步后，Master调用MasterAggregatorHandler类的prepareSusperStep(masterClient)方法，收集聚集器的值。方法内容如下：

  public void prepareSuperstep(MasterClient masterClient) {    // 收集上次超级步的聚集值，为master compute 做准备    for (AggregatorWrapper<Writable> aggregator : aggregatorMap.values()) {// 如果是 Persistent Aggregator，则累加if (aggregator.isPersistent()) {        aggregator.aggregateCurrent(aggregator.getPreviousAggregatedValue());      }      aggregator.setPreviousAggregatedValue(          aggregator.getCurrentAggregatedValue());      aggregator.resetCurrentAggregator();      progressable.progress();    }  }

然后调用MasterCompute.compute()方法（可能会修改聚集器的值），在该方法内若根据聚集器的值调用了MasterCompute类的haltCompute()方法来终止MaterCompute，则表明要结束整个Job。那么Master就会通知所有Workers要结束整个作业；在该方法内若没有调用MasterCompute类的haltCompute()方法，则回到步骤1继续进行迭代。

说明：Job迭代结束条件有三，满足其一就行：
1) 达到最大迭代次数
2) 没有活跃顶点且没有消息在传递
3) 终止MasterCompute计算

总结：为解决在多个Aggregator条件下，Master成为系统瓶颈的问题。采取了把所有Aggregator派发给某一部分Workers，由这些Workers完成全局的聚集值的计算与发送，Master只需要与这些Workers进行简单数据通信即可，大大降低了Master的工作量。

附加：下面用图示方法说明上述执行过程。

实验条件：
    1). 一个Master，四个Worker
    2). 两个Aggregators，记为A1和A2。

1. Master把Aggregators发送给Workers，收到Aggregator的Worker就作为该Aggregator的Owner。下图中Master把A1发送给Worker1，A2发送给Worker3.那么Worker1就作为A1的Owner，Worker3就是A2的Owner。该步骤在MasterAggregatorHandler类的finishSuperStep(MasterClient masterClient) 方法中完成，使用的是SendAggregatorsToOwnerRequest 通信协议。注：每个Owner Worker 可能有多个聚集器。

图1 Master分发Aggregator

2. Workers接受Master发送的Aggregator，然后把Aggregator发送给其他Workers。Worker1要把A1分别发送给Worker2、Worker3和Worker4；Worker3要把A2分别发送给Worker1、Worker2和Worker4。该步骤在WorkerAggregatorHandler类的prepareSuperstep( WorkerAggregatorRequestProcessor requestProcessor)方法中完成，使用的是SendAggregatorsToMasterRequest 通信协议。此步骤完成后，每个Worker上都有了聚集器A1和A2（具体为上一个超步的全局最终聚集值）。

3. 每个Worker调用Vertex.compute()方法开始计算，收集本地的Aggregator聚集值。对聚集体A1来说，Worker1、Worker2、Worker3、Worker4的本地聚集值依次记为：A1₁ 、A1₂、 A1_3、A1₄；对聚集器A2来说，Worker1、Worker2、Worker3、Worker4的本地聚集值依次记为：A2₁ 、A2₂、 A2₃、A2₄。计算完成后，每个Worker就要把本地的聚集值发送给聚集器的Owner，聚集器的Owner在接收的时候会合并聚集。那么A1₁ 、A1₂、 A1₃、A1₄要发送给Worker1进行全局聚集得到A1’，A2₁ 、A2₂、 A2₃、A2₄要发送给Worker3进行全局聚集得到A2’。计算公式如下：

此部分采用的是SendWorkerAggregatorsRequest通信协议。Worker1和Worker3要把汇总的A1和A2的新值：A1’ 和A2’发送给Master，供下一次超级步的MasterCompute.compute()方法使用采用的是SendAggregatorsToMasterRequest通信协议。此部分在WorkerAggregatorHandler类的finishSuperstep( WorkerAggregatorRequestProcessor requestProcessor)方法中完成。过程如下图所示：

4. Master收到Worker1发送的A1’ 和Woker3发送的A2’后，此步骤在MasterAggregatorHandler类的prepareSusperStep(masterClient)方法中完成。然后调用MasterCompute.compute()方法，此方法可能会修改聚集器的值，如得到A1’’和A2’’。在masterCompute.compute()方法内若根据聚集器的值调用了MasterCompute类的haltCompute()方法来终止MaterCompute，则表明要结束整个Job。那么Master就会通知所有Workers要结束整个作业；在该方法内若没有调用MasterCompute类的haltCompute()方法，则回到步骤1继续进行迭代，继续把A1’’发送给Worker1，A2’’发送给Worker3。

完！

本人原创，转载请注明出处！欢迎大家加入Giraph 技术交流群： 228591158