ivaneeo's blog

          自由的力量,自由的生活。

            BlogJava :: 首頁 :: 聯(lián)系 :: 聚合  :: 管理
            669 Posts :: 0 Stories :: 64 Comments :: 0 Trackbacks

          一個(gè)圖片太大了,只好分割成為兩部分。根據(jù)流程圖來說一下具體一個(gè)任務(wù)執(zhí)行的情況。

          1. 在分布式環(huán)境中客戶端創(chuàng)建任務(wù)并提交。
          2. InputFormat做Map前的預(yù)處理,主要負(fù)責(zé)以下工作:
            1. 驗(yàn)證輸入的格式是否符合JobConfig的輸入定義,這個(gè)在實(shí)現(xiàn)Map和構(gòu)建Conf的時(shí)候就會(huì)知道,不定義可以是Writable的任意子類。
            2. 將input的文件切分為邏輯上的輸入InputSplit,其實(shí)這就是在上面提到的在分布式文件系統(tǒng)中blocksize是有大小限制的,因此大文件會(huì)被劃分為多個(gè)block。
            3. 通過RecordReader來再次處理inputsplit為一組records,輸出給Map。(inputsplit只是邏輯切分的第一步,但是如何根據(jù)文件中的信息來切分還需要RecordReader來實(shí)現(xiàn),例如最簡單的默認(rèn)方式就是回車換行的切分)
          3. RecordReader處理后的結(jié)果作為Map的輸入,Map執(zhí)行定義的Map邏輯,輸出處理后的key和value對應(yīng)到臨時(shí)中間文件。
          4. Combiner可選擇配置,主要作用是在每一個(gè)Map執(zhí)行完分析以后,在本地優(yōu)先作Reduce的工作,減少在Reduce過程中的數(shù)據(jù)傳輸量。
          5. Partitioner可選擇配置,主要作用是在多個(gè)Reduce的情況下,指定Map的結(jié)果由某一個(gè)Reduce處理,每一個(gè)Reduce都會(huì)有單獨(dú)的輸出文件。(后面的代碼實(shí)例中有介紹使用場景)
          6. Reduce執(zhí)行具體的業(yè)務(wù)邏輯,并且將處理結(jié)果輸出給OutputFormat。
          7. OutputFormat的職責(zé)是,驗(yàn)證輸出目錄是否已經(jīng)存在,同時(shí)驗(yàn)證輸出結(jié)果類型是否如Config中配置,最后輸出Reduce匯總后的結(jié)果。

          業(yè)務(wù)場景和代碼范例

          業(yè)務(wù)場景描述:可設(shè)定輸入和輸出路徑(操作系統(tǒng)的路徑非HDFS路徑),根據(jù)訪問日志分析某一個(gè)應(yīng)用訪問某一個(gè)API的總次數(shù)和總流量,統(tǒng)計(jì)后分別輸出到兩個(gè)文件中。這里僅僅為了測試,沒有去細(xì)分很多類,將所有的類都?xì)w并于一個(gè)類便于說明問題。


          測試代碼類圖

          LogAnalysiser就是主類,主要負(fù)責(zé)創(chuàng)建、提交任務(wù),并且輸出部分信息。內(nèi)部的幾個(gè)子類用途可以參看流程中提到的角色職責(zé)。具體地看看幾個(gè)類和方法的代碼片斷:

          LogAnalysiser::MapClass

              public static class MapClass extends MapReduceBase
                  implements Mapper<LongWritable, Text, Text, LongWritable>
              {
                  public void map(LongWritable key, Text value, OutputCollector<Text, LongWritable> output, Reporter reporter)
                          throws IOException
                  {   
                      String line = value.toString();//沒有配置RecordReader,所以默認(rèn)采用line的實(shí)現(xiàn),key就是行號(hào),value就是行內(nèi)容
                      if (line == null || line.equals(""))
                          return;
                      String[] words = line.split(",");
                      if (words == null || words.length < 8)
                          return;
                      String appid = words[1];
                      String apiName = words[2];
                      LongWritable recbytes = new LongWritable(Long.parseLong(words[7]));
                      Text record = new Text();
                      record.set(new StringBuffer("flow::").append(appid)
                                      .append("::").append(apiName).toString());
                      reporter.progress();
                      output.collect(record, recbytes);//輸出流量的統(tǒng)計(jì)結(jié)果,通過flow::作為前綴來標(biāo)示。
                      record.clear();
                      record.set(new StringBuffer("count::").append(appid).append("::").append(apiName).toString());
                      output.collect(record, new LongWritable(1));//輸出次數(shù)的統(tǒng)計(jì)結(jié)果,通過count::作為前綴來標(biāo)示
                  }   
              }

          LogAnalysiser:: PartitionerClass

              public static class PartitionerClass implements Partitioner<Text, LongWritable>
              {
                  public int getPartition(Text key, LongWritable value, int numPartitions)
                  {
                      if (numPartitions >= 2)//Reduce 個(gè)數(shù),判斷流量還是次數(shù)的統(tǒng)計(jì)分配到不同的Reduce
                          if (key.toString().startsWith("flow::"))
                              return 0;
                          else
                              return 1;
                      else
                          return 0;
                  }
                  public void configure(JobConf job){}   
          }

          LogAnalysiser:: CombinerClass

          參看ReduceClass,通常兩者可以使用一個(gè),不過這里有些不同的處理就分成了兩個(gè)。在ReduceClass中藍(lán)色的行表示在CombinerClass中不存在。

          LogAnalysiser:: ReduceClass

              public static class ReduceClass extends MapReduceBase
                  implements Reducer<Text, LongWritable,Text, LongWritable>
              {
                  public void reduce(Text key, Iterator<LongWritable> values,
                          OutputCollector<Text, LongWritable> output, Reporter reporter)throws IOException
                  {
                      Text newkey = new Text();
                      newkey.set(key.toString().substring(key.toString().indexOf("::")+2));
                      LongWritable result = new LongWritable();
                      long tmp = 0;
                      int counter = 0;
                      while(values.hasNext())//累加同一個(gè)key的統(tǒng)計(jì)結(jié)果
                      {
                          tmp = tmp + values.next().get();
                         
                          counter = counter +1;//擔(dān)心處理太久,JobTracker長時(shí)間沒有收到報(bào)告會(huì)認(rèn)為TaskTracker已經(jīng)失效,因此定時(shí)報(bào)告一下
                          if (counter == 1000)
                          {
                              counter = 0;
                              reporter.progress();
                          }
                      }
                      result.set(tmp);
                      output.collect(newkey, result);//輸出最后的匯總結(jié)果
                  }   
              }

          LogAnalysiser

          	public static void main(String[] args)
          {
          try
          {
          run(args);
          } catch (Exception e)
          {
          e.printStackTrace();
          }
          }
          public static void run(String[] args) throws Exception
          {
          if (args == null || args.length <2)
          {
          System.out.println("need inputpath and outputpath");
          return;
          }
          String inputpath = args[0];
          String outputpath = args[1];
          String shortin = args[0];
          String shortout = args[1];
          if (shortin.indexOf(File.separator) >= 0)
          shortin = shortin.substring(shortin.lastIndexOf(File.separator));
          if (shortout.indexOf(File.separator) >= 0)
          shortout = shortout.substring(shortout.lastIndexOf(File.separator));
          SimpleDateFormat formater = new SimpleDateFormat("yyyy.MM.dd");
          shortout = new StringBuffer(shortout).append("-")
          .append(formater.format(new Date())).toString();


          if (!shortin.startsWith("/"))
          shortin = "/" + shortin;
          if (!shortout.startsWith("/"))
          shortout = "/" + shortout;
          shortin = "/user/root" + shortin;
          shortout = "/user/root" + shortout;
          File inputdir = new File(inputpath);
          File outputdir = new File(outputpath);
          if (!inputdir.exists() || !inputdir.isDirectory())
          {
          System.out.println("inputpath not exist or isn't dir!");
          return;
          }
          if (!outputdir.exists())
          {
          new File(outputpath).mkdirs();
          }

          JobConf conf = new JobConf(new Configuration(),LogAnalysiser.class);//構(gòu)建Config
          FileSystem fileSys = FileSystem.get(conf);
          fileSys.copyFromLocalFile(new Path(inputpath), new Path(shortin));//將本地文件系統(tǒng)的文件拷貝到HDFS中

          conf.setJobName("analysisjob");
          conf.setOutputKeyClass(Text.class);//輸出的key類型,在OutputFormat會(huì)檢查
          conf.setOutputValueClass(LongWritable.class); //輸出的value類型,在OutputFormat會(huì)檢查
          conf.setMapperClass(MapClass.class);
          conf.setCombinerClass(CombinerClass.class);
          conf.setReducerClass(ReduceClass.class);
          conf.setPartitionerClass(PartitionerClass.class);
          conf.set("mapred.reduce.tasks", "2");//強(qiáng)制需要有兩個(gè)Reduce來分別處理流量和次數(shù)的統(tǒng)計(jì)
          FileInputFormat.setInputPaths(conf, shortin);//hdfs中的輸入路徑
          FileOutputFormat.setOutputPath(conf, new Path(shortout));//hdfs中輸出路徑

          Date startTime = new Date();
          System.out.println("Job started: " + startTime);
          JobClient.runJob(conf);
          Date end_time = new Date();
          System.out.println("Job ended: " + end_time);
          System.out.println("The job took " + (end_time.getTime() - startTime.getTime()) /1000 + " seconds.");
          //刪除輸入和輸出的臨時(shí)文件
          fileSys.copyToLocalFile(new Path(shortout),new Path(outputpath));
          fileSys.delete(new Path(shortin),true);
          fileSys.delete(new Path(shortout),true);
          }

          以上的代碼就完成了所有的邏輯性代碼,然后還需要一個(gè)注冊驅(qū)動(dòng)類來注冊業(yè)務(wù)Class為一個(gè)可標(biāo)示的命令,讓hadoop jar可以執(zhí)行。

          public class ExampleDriver {
            public static void main(String argv[]){
              ProgramDriver pgd = new ProgramDriver();
              try {
                pgd.addClass("analysislog", LogAnalysiser.class, "A map/reduce program that analysis log .");
                pgd.driver(argv);
              }
              catch(Throwable e){
                e.printStackTrace();
              }
            }
          }

          將代碼打成jar,并且設(shè)置jar的mainClass為ExampleDriver這個(gè)類。在分布式環(huán)境啟動(dòng)以后執(zhí)行如下語句:

          hadoop jar analysiser.jar analysislog /home/wenchu/test-in /home/wenchu/test-out

          在/home/wenchu/test-in中是需要分析的日志文件,執(zhí)行后就會(huì)看見整個(gè)執(zhí)行過程,包括了Map和Reduce的進(jìn)度。執(zhí)行完畢會(huì)在/home/wenchu/test-out下看到輸出的內(nèi)容。有兩個(gè)文件:part-00000和part-00001分別記錄了統(tǒng)計(jì)后的結(jié)果。 如果需要看執(zhí)行的具體情況,可以看在輸出目錄下的_logs/history/xxxx_analysisjob,里面羅列了所有的Map,Reduce的創(chuàng)建情況以及執(zhí)行情況。在運(yùn)行期也可以通過瀏覽器來查看Map,Reduce的情況:http://MasterIP:50030/jobtracker.jsp

          Hadoop集群測試

          首先這里使用上面的范例作為測試,也沒有做太多的優(yōu)化配置,這個(gè)測試結(jié)果只是為了看看集群的效果,以及一些參數(shù)配置的影響。

          文件復(fù)制數(shù)為1,blocksize 5M

          Slave數(shù) 處理記錄數(shù)(萬條) 執(zhí)行時(shí)間(秒)
          2 95 38
          2 950 337
          4 95 24
          4 950 178
          6 95 21
          6 950 114

          Blocksize 5M

          Slave數(shù) 處理記錄數(shù)(萬條) 執(zhí)行時(shí)間(秒)
          2(文件復(fù)制數(shù)為1) 950 337
          2(文件復(fù)制數(shù)為3) 950 339
          6(文件復(fù)制數(shù)為1) 950 114
          6(文件復(fù)制數(shù)為3) 950 117

          文件復(fù)制數(shù)為1

          Slave數(shù) 處理記錄數(shù)(萬條) 執(zhí)行時(shí)間(秒)
          6(blocksize 5M) 95 21
          6(blocksize 77M) 95 26
          4(blocksize 5M) 950 178
          4(blocksize 50M) 950 54
          6(blocksize 5M) 950 114
          6(blocksize 50M) 950 44
          6(blocksize 77M) 950 74

          測試的數(shù)據(jù)結(jié)果很穩(wěn)定,基本測幾次同樣條件下都是一樣。通過測試結(jié)果可以看出以下幾點(diǎn):

          1. 機(jī)器數(shù)對于性能還是有幫助的(等于沒說^_^)。
          2. 文件復(fù)制數(shù)的增加只對安全性有幫助,但是對于性能沒有太多幫助。而且現(xiàn)在采取的是將操作系統(tǒng)文件拷貝到HDFS中,所以備份多了,準(zhǔn)備的時(shí)間很長。
          3. blocksize對于性能影響很大,首先如果將block劃分的太小,那么將會(huì)增加job的數(shù)量,同時(shí)也增加了協(xié)作的代價(jià),降低了性能,但是配置的太大也會(huì)讓job不能最大化并行處理。所以這個(gè)值的配置需要根據(jù)數(shù)據(jù)處理的量來考慮。
          4. 最后就是除了這個(gè)表里面列出來的結(jié)果,應(yīng)該去仔細(xì)看輸出目錄中的_logs/history中的xxx_analysisjob這個(gè)文件,里面記錄了全部的執(zhí)行過程以及讀寫情況。這個(gè)可以更加清楚地了解哪里可能會(huì)更加耗時(shí)。

          隨想

          “云計(jì)算”熱的燙手,就和SAAS、Web2及SNS等一樣,往往都是在搞概念,只有真正踏踏實(shí)實(shí)的大型互聯(lián)網(wǎng)公司,才會(huì)投入人力物力去研究符合自己的分布式計(jì)算。其實(shí)當(dāng)你的數(shù)據(jù)量沒有那么大的時(shí)候,這種分布式計(jì)算也就僅僅只是一個(gè)玩具而已,只有在真正解決問題的過程中,它深層次的問題才會(huì)被挖掘出來。

          這三篇文章(分布式計(jì)算開源框架Hadoop介紹,Hadoop中的集群配置和使用技巧)僅僅是為了給對分布式計(jì)算有興趣的朋友拋個(gè)磚,要想真的掘到金子,那么就踏踏實(shí)實(shí)的去用、去想、去分析。或者自己也會(huì)更進(jìn)一步地去研究框架中的實(shí)現(xiàn)機(jī)制,在解決自己問題的同時(shí),也能夠貢獻(xiàn)一些什么。

          前幾日看到有人跪求成為架構(gòu)師的方式,看了有些可悲,有些可笑,其實(shí)有多少架構(gòu)師知道什么叫做架構(gòu)?架構(gòu)師的職責(zé)是什么?與其追求這么一個(gè)名號(hào),還不如踏踏實(shí)實(shí)地做塊石頭沉到水底。要知道,積累和沉淀的過程就是一種成長。

          相關(guān)閱讀:

          1. 分布式計(jì)算開源框架Hadoop介紹――分布式計(jì)算開源框架Hadoop入門實(shí)踐(一)
          2. Hadoop中的集群配置和使用技巧――分布式計(jì)算開源框架Hadoop入門實(shí)踐(二)

          作者介紹:岑文初,就職于阿里軟件公司研發(fā)中心平臺(tái)一部,任架構(gòu)師。當(dāng)前主要工作涉及阿里軟件開發(fā)平臺(tái)服務(wù)框架(ASF)設(shè)計(jì)與實(shí)現(xiàn),服務(wù)集成平臺(tái)(SIP)設(shè)計(jì)與實(shí)現(xiàn)。沒有什么擅長或者精通,工作到現(xiàn)在唯一提升的就是學(xué)習(xí)能力和速度。個(gè)人Blog為:http://blog.csdn.net/cenwenchu79

          志愿參與InfoQ中文站內(nèi)容建設(shè),請郵件至editors@cn.infoq.com。也歡迎大家到InfoQ中文站用戶討論組參與我們的線上討論。

          posted on 2011-01-25 16:14 ivaneeo 閱讀(424) 評(píng)論(0)  編輯  收藏 所屬分類:
          主站蜘蛛池模板: 额济纳旗| 崇阳县| 平定县| 翁牛特旗| 伊金霍洛旗| 宣威市| 汉中市| 陈巴尔虎旗| 手机| 女性| 巧家县| 蕲春县| 阳西县| 宣城市| 五寨县| 四子王旗| 伊金霍洛旗| 丹江口市| 宣恩县| 新巴尔虎左旗| 乐清市| 曲阳县| 涟源市| 棋牌| 长汀县| 察隅县| 宜丰县| 岗巴县| 莱州市| 连州市| 昌江| 磴口县| 横峰县| 余庆县| 双城市| 永定县| 徐汇区| 苍南县| 辽阳市| 探索| 西和县|