Hadoop Corona介绍

1.    背景

Hadoop Corona是facebook开源的下一代MapReduce框架。其基本设计动机和Apache的YARN一致，在此不再重复，读者可参考我的这篇文章 “下一代Apache Hadoop MapReduce框架的架构”。

2.    基本组件介绍

(1)     Cluster Manager 类似于YARN中的Resource Manager，负责资源分配和调度。Cluster Manager掌握着各个节点的资源使用情况，并将资源分配给各个作业（默认调度器为Fair Scheduler）。同YARN中的Resource Manager一样，Resource Manager是一个高度抽象的资源统一分配与调度框架，它不仅可以为MapReduce，也可以为其他计算框架分配资源。

(2)     Corona Job Tracker 类似于YARN中的Application Master，用于作业的监控和容错，它可以运行在两个模式下：1） 作为JobClient，用于提交作业和方便用户跟踪作业运行状态 2）   作为一个Task运行在某个TaskTracker上。与MRv1中的Job Tracker不同，每个Corona Job Tracker只负责监控一个作业。

(3)     Corona Task Tracker 类似于YARN中的Node Manager，它的实现重用了MRv1中Task Tracker的很多代码，它通过心跳将节点资源使用情况汇报给Cluster Manager，同时会与Corona Job Tracker通信，以获取新任务和汇报任务运行状态。

(4)     Proxy Job Tracker 用于页面展示一个作业的实际运行信息。

3.    Hadoop Corona工作流程

本节介绍Hadoop Corona的工作流程。 当用户提交一个作业后，Hadoop Corona分两个阶段运行该作业，首先由RemoteJTProxy向Cluster Manager申请资源，以启动一个Corona Job Tracker，然后Corona Job Tracker向Cluster Manager申请资源，运行该作业的任务。

3.1      Corona Job Tracker介绍

Hadoop Corona的最大创新的之一是CoronaJobTracker的设计方法。CoronaJobTracker存在三种工作模式，分别是：

(1)     InProgress 此时，CoronaJobTracker是一个客户端，用户可用于提交作业或者跟踪作业运行状态。

(2)     Forwarding 此时，CoronaJobTracker是一个信息转发者，它只是将作业的信息转发给另外一个CoronaJobTracker。

(3)     Standlone 最终的CoronaJobTracker，此时，CoronaJobTracker才执行类似于MRv1中的功能（但一个CoronaJobTracker只会管理一个作业），即完成资源申请和作业监控。

当用户在JobClient端提交作业时，如果设置了使用Hadoop Corona（如果没有设置，则提交到MRv1的JobTracker上），则会创建一个CoronaJobTracker，该CoronaJobTracker此时运行在InProgress模式下。之后，该CoronaJobTracker会判断用户是否设置了强制使用Standlone模式（可通过mapred.coronajobtracker.forceremote设置，默认是flase）或者该作业的Map Task数目是否超过1000个（可通过参数mapred.coronajobtracker.remote.threshold配置），如果是，则该CoronaJobTracker便会转为Forwarding模式，进而将作业提交到一个RemoteJTProxy上，具体后续过程见下一节分析；如果不是，则说明该作业是小作业，直接在该CoronaJobTracker上运行作业即可，这就降低了小作业延时，但可能会出现负载不均衡得问题（比如多个用户同时在一个JobClient上提交大量小作业）。

3.2      启动Corona Job Tracker过程分析

为了与MRv1兼容，Hadoop Corona仍由JobClient提交作业，但里面的代码已经经过修改：如果采用Corona，则会创建一个CoronaJobTracker对象提交作业（CoronaJobTracker有可充当多个角色，其中一个角色是JobClient，即客户端），之后过程如下（ 注意，本节介绍的是CoronaJobTracker远程启动方式，对于小作业，CoronaJobTracker直接在客户端启动，因此，这一节介绍的步骤会直接跳过）：

步骤1 JobClient与RemoteJTProxy通信，要求并等待其启动CoronaJobTracker。

步骤2 RemoteJTProxy收到请求后，向Cluster Manager申请资源。

步骤3 Cluster Manager中的Fair Scheduler调度器为其分配合适的资源，并push给RemoteJTProxy。

步骤4 RemoteJTProxy根据分配到的资源（在哪个TaskTracker上，可使用多少资源），与对应的CoronaTaskTracker通信，要求它启动CoronaJobTracker。

步骤5 CoronaTaskTracker成功启动CoronaJobTracker后，告诉RemoteJTProxy，然后就再由RemoteJTProxy告诉JobClient。

步骤6 CoronaJobTracker（即JobClient）得知CoronaJobTracker启动成功后，向RemoteJTProxy提交作业，然后由RemoteJTProxy进一步将作业提交到刚刚启动的CoronaJobTracker上。

至此，一个作业提交成功。

3.3 资源申请与任务启动过程分析

首先需要注意的是，各个CoronaTaskTracker会通过心跳周期性的将本节点上资源使用情况汇报给Cluster Manager，因此，Cluster Manager掌握着各个节点的资源使用情况。

CoronaJobTracker负责为某个作业申请资源，并与CoronaTaskTracker通信，运行它的Task，总之，CoronaJobTracker功能如下：

(1)     向Cluster Manager申请资源

(2)     释放资源与资源重用。 Cluster Manager中的调度器支持资源抢占，可随时命令某个CoronaJobTracker释放资源，另外，CoronaJobTracker可根据需要，自行决定资源是不是重用，即某个Task运行完后，可不必归还给Cluster Manager，可再给其他Task使用。

(3)     与CoronaTaskTracker通信，以启动任务。

(4)     任务推测执行，具体可参考 “Hadoop中Speculative Task调度策略”。

(5)     任务容错。当任务执行失败后，向Cluster Manager重新申请资源，以重新运行该任务。

资源申请与任务启动过程如下图所示，已经非常清楚，在此不赘述。

4.    Hadoop Corona实现

Hadoop Corona位于目录hadoop-20-yahoo\src\contrib\corona下，读者可直接从 https://github.com/facebook/hadoop-20/tree/master/src/contrib/corona上下载。Hadoop Corona代码由两部分组成：

(1)     org.apache.hadoop.corona        Hadoop Corona核心实现，用于资源分配和调度，与具体的分布式计算框架（如Storm、Spark等）无关。

(2)     org.apache.hadoop.mapred      改造后的MRv1，使之能够运行在Hadoop Corona上。用户可仿照该实现，将其他计算框架移植到Hadoop Corona中。

Hadoop Corona中CoronaJobTracker与ClusterManager的通信用到了thrift，它们既是thrift Client，也是Thrift Server，具体如下：

(1)     CoronaJobTracker需与ClusterManager通信，以申请资源，此时ClusterManager是thrfit Server，具体见ClusterManager.thrift中的service ClusterManagerService定义。

(2)     当ClusterManager中的调度器为CoronaJobTracker分配到资源后，采用push机制直接推送给CoronaJobTracker，此时CoronaJobTracker是thrift Server，具体见ClusterManager.thrift中的service SessionDriverService定义。

CoronaJobTracker与CoronaTaskTracker之间的通信机制与MRv1基本一致，在此不赘述。

此外，Hadoop Corona重新实现了JobInProgress（CoronaJobInProgress）和TaskInProgress（CoronaTaskInProgress），但重用了MRv1的Task、MapTask和ReduceTask类。

5.    总结

Hadoop Corona与Apache YARN设计动机和设计思路基本一致，但其稳定性和可用性（这里指是否可以使用，呵呵）有待进一步考证。

与Hadoop Corona类似的系统还有Apache YARN和Mesos，它们之间的异同可参考我的这篇文章： “统一资源管理与调度平台（系统）介绍”。

原创文章，转载请注明： 转载自 董的博客

本文链接地址: http://dongxicheng.org/hadoop-corona/hadoop-corona/