Hadoop2.6.0运行mapreduce之Uber模式验证
来源:互联网 发布:网络触摸广告机 编辑:程序博客网 时间:2024/05/17 23:25
前言
在有些情况下,运行于Hadoop集群上的一些mapreduce作业本身的数据量并不是很大,如果此时的任务分片很多,那么为每个map任务或者reduce任务频繁创建Container,势必会增加Hadoop集群的资源消耗,并且因为创建分配Container本身的开销,还会增加这些任务的运行时延。如果能将这些小任务都放入少量的Container中执行,将会解决这些问题。好在Hadoop本身已经提供了这种功能,只需要我们理解其原理,并应用它。
Uber运行模式就是解决此类问题的现成解决方案。本文旨在通过测试手段验证Uber运行模式的效果,在正式的生成环境下,还需要大家具体情况具体对待。
Uber运行模式
Uber运行模式对小作业进行优化,不会给每个任务分别申请分配Container资源,这些小任务将统一在一个Container中按照先执行map任务后执行reduce任务的顺序串行执行。那么什么样的任务,mapreduce框架会认为它是小任务呢?
- 地图任务的数量不大于mapreduce.job.ubertask.maxmaps参数(默认值是9)的值;
- 减少任务的数量不大于mapreduce.job.ubertask.maxreduces参数(默认值是1)的值;
- 输入文件大小不大于mapreduce.job.ubertask.maxbytes参数(默认为1个Block的字节大小)的值;
- map任务和reduce任务需要的资源量不能大于MRAppMaster(mapreduce作业的ApplicationMaster)可用的资源总量;
我们可以使用在《Hadoop2.6.0配置参数查看小工具》一文中制作的小工具,查看Uber相关参数及其默认值:
上面显示的参数mapreduce.job.ubertask.enable用来控制是否开启Uber运行模式,默认为false。
优化
为简单起见,我们还是以WordCount例子展开。输入数据及输出结果目录的构造过程可以参照《Hadoop2.6.0的FileInputFormat的任务切分原理分析》一文,本文不再赘述。
限制任务划分数量
我们知道WordCount例子中的reduce任务的数量通过Job.setNumReduceTasks(int)方法已经设置为1,因此满足mapreduce.job.ubertask.maxreduces参数的限制。所以我们首先控制下map任务的数量,我们通过设置mapreduce.input.fileinputformat.split.maxsize参数来限制。看看在满足小任务前提,但是不开启Uber运行模式时的执行情况。执行命令如下:
观察执行结果,可以看到没有启用Uber模式,作业划分为6个分片,如下图:
还可以看到一共是6个地图任务和1个减少任务,如下图:
我在任务执行过程中,在web界面对于分配的Container进行截图,可以看到一共分配了7个Container:
如果阅读了《Hadoop2.6.0的FileInputFormat的任务切分原理分析》一文,你会知道输入源/wordcount/input目录下2个文件的大小总和为177字节,为了这么小的数据量和简单的WordCount而分配这么多资源的确很不划算。
开启Uber模式
现在我们开启mapreduce.job.ubertask.enable参数并使用Uber运行模式,命令如下:
然后观察执行结果,可以看到已经启用了Uber模式,如下图:
依然是6个地图任务和1个减少任务,但是之前的数据本地地图任务= 6一行信息已经变为当地的其他地图tasks=6。此外还增加了TOTAL_LAUNCHED_UBERTASKS、NUM_UBER_SUBMAPS、NUM_UBER_SUBREDUCES等信息,如下图所示:
以下列出这几个信息的含义:
输出字段描述TOTAL_LAUNCHED_UBERTASKS启动的Uber任务数NUM_UBER_SUBMAPSUber任务中的地图任务数NUM_UBER_SUBREDUCESUber中减少任务数因此我们知道这7个任务都在Uber模式下运行,其中包含6个map任务和1个reduce任务。
即便如此,有人依然会担心真正分配了多少Container资源,请看我在web界面的截图:
其它测试
由于我主动控制了分片大小,导致分片数量是6,这小于mapreduce.job.ubertask.maxmaps参数的默认值9。按照之前的介绍,当map任务数量大于9时,那么这个作业就不会被认为小任务。所以我们先将分片大小调整为20字节,使得map任务的数量刚好等于9,然后执行以下命令:
任务划分相关的信息截图如下:
。我们看到的确将输入数据划分为9份了其它信息如下:
我们看到一共10个Uber模式运行的任务,其中包括9个地图任务和1个减少任务。
最后,我们再将分片大小调整为19字节,使得map任务数量等于10,然后执行以下命令:
任务划分相关的信息截图如下:
。我们看到的确将输入数据划分为10份了其它信息如下:
可以看到又重新显示了数据的本地地图 地图
此外,还可以通过调整reduce任务数量或者输入数据大小等方式,使得Uber失效,有兴趣的同学可以自行测试。
源码分析
本文的最后,我们从源码实现的角度来具体分析下Uber运行机制。有经验的Hadoop工程师,想必知道当mapreduce任务提交给ResourceManager后,由RM负责向NodeManger通信启动一个Container用于执行MRAppMaster。启动MRAppMaster实际也是通过调用其main方法,最终会调用MRAppMaster实例的serviceStart方法,其实现如下:
serviceStart方法的执行步骤如下:
- 调用createJob方法创建JobImpl实例。
- 发送JOB_INIT事件,然后处理此事件。
- 使用Uber运行模式的一个附加动作——即一旦满足Uber运行的四个条件,那么将不会进行推断执行优化。
createJob方法的代码实现如下:
从以上代码可以看到创建了一个JobImpl对象,此对象自身维护了一个状态机(有关状态机转换的实现原理可以参阅《Hadoop2.6.0中YARN底层状态机实现分析》一文的内容),用于在接收到事件之后进行状态转移并触发一些动作。JobImpl新建后的状态forcedState是JobStateInternal.NEW。最后将此JobImpl对象放入AppContext接口的实现类RunningAppContext的类型为Map<JobId,工作>的缓存上下文中。
JobEventDispatcher的handle方法用来处理JobEvent。之前说到serviceStart方法主动创建了一个类型是JobEventType.JOB_INIT的JobEvent,并且交由JobEventDispatcher的handle方法处理。handle方法的实现如下:
处理方法从AppContext的实现类RunningAppContext中获取JobImpl对象,代码如下:
最后调用JobImpl实例的句柄方法,其实现如下:
处理方法的处理步骤如下:
- 获取修改JobImpl实例的锁;
- 获取JobImpl实例目前所处的状态
- 状态机状态转换;
- 释放修改JobImpl实例的锁。
我们之前介绍过,在创建JobImpl实例时,其forcedState字段应当是JobStateInternal.NEW。
JobImpl状态机转移时,处理的JobEvent的类型是JobEventType.JOB_INIT,因此经过状态机转换最终会调用InitTransition的transition方法。有关状态机转换的实现原理可以参阅《Hadoop2.6.0中YARN底层状态机实现分析》一文的内容。
InitTransition的transition方法处理Uber运行模式的关键代码是
JobImpl状态机转移时,处理的JobEvent的类型是JobEventType.JOB_INIT,因此经过状态机转换最终会调用InitTransition的transition方法。有关状态机转换的实现原理可以参阅《Hadoop2.6.0中YARN底层状态机实现分析》一文的内容。
InitTransition的transition方法处理Uber运行模式的关键代码是
最后我们看看JobImpl实例的makeUberDecision方法的实现:
如果你认真阅读以上代码的实现,就知道这正是我在本文一开始说的Uber运行模式判断mapreduce作业是否采用Uber模式执行的4个条件,缺一不可。一旦判定为Uber运行模式,那么还告诉我们以下几点:
- 设置当map任务全部运行结束后才开始reduce任务(参数mapreduce.job.reduce.slowstart.completedmaps设置为1.0)。
- 将当前Job的最大map任务尝试执行次数(参数mapreduce.map.maxattempts)和最大reduce任务尝试次数(参数mapreduce.reduce.maxattempts)都设置为1。
- 取消当前Job的map任务的推断执行(参数mapreduce.map.speculative设置为false)和reduce任务的推断执行(参数mapreduce.reduce.speculative设置为false)。
0 0
- Hadoop2.6.0运行mapreduce之Uber模式验证
- Hadoop2.6.0运行mapreduce之Uber模式验证
- Hadoop2.6.0运行mapreduce之Uber模式验证 标签: hadoopmapreduce源码uberjava 2016-05-05 14:55 19815人阅读 评论(2) 收藏 举报
- hadoop优化之MapReduce的Uber方式运行
- hadoop2.x配置 - Uber模式参数
- Hadoop2.6.0运行mapreduce之推断(speculative)执行(上)
- Hadoop2.6.0运行mapreduce之推断(speculative)执行(下)
- 企业级Hadoop 2.x入门系列之十一MapReduce Uber 模式
- 使用Eclipse编译运行MapReduce程序 Hadoop2.6.0/Ubuntu
- 使用Eclipse编译运行MapReduce程序 Hadoop2.6.0_Ubuntu/CentOS
- 使用Eclipse编译运行MapReduce程序 Hadoop2.6.0_Ubuntu/CentOS
- 使用Eclipse编译运行MapReduce程序 Hadoop2.6.0_Ubuntu/CentOS
- 使用Eclipse编译运行MapReduce程序 Hadoop2.6.0_Ubuntu/CentOS
- 使用Eclipse编译运行MapReduce程序 Hadoop2.6.0_Ubuntu/CentOS
- 【mapreduce】 Hadoop2.6.0 mapreduce 例子
- Hadoop之Mapreduce------>3种运行模式
- Hadoop2.6.0 mapreduce 例子
- Hadoop2.6.0官方MapReduce文档翻译 之 一
- 记一次数据处理效率优化过程
- mysql的uion和union all的区别
- C#中配置kinect以及使用
- mysql 得到表的创建时间
- Hadoop MapReduce任务的启动分析
- Hadoop2.6.0运行mapreduce之Uber模式验证
- 本地连接远程mysql数据库
- oozie工作流相关入门整理
- mysql 数据库迁移到其他数据库
- JVM内存管理和问题简要分析学习
- java 按照每周分组
- Java程序中不通过hadoop jar的方式访问hdfs
- 1058. 选择题(20)
- IkAnalyzer分词、词频、内链优化