淘宝主搜索离线集群完成hadoop2.0升级

搜索离线dump集群(hadoop&hbase)2013进行了几次重大升级:

2013-04

第一阶段，主要是升级hdfs为2.0版本，mapreduce仍旧是1.0;同时hbase也进行了一次重大升级（0.94.5版本）,hive升级到0.9.0;

2013-09,2013-12

第二阶段,主要升级mapreduce到2.0版本即(YARN),hive升级到0.10.0,在13年年底的时候对hbase进行了一次小版本升级;

至此，dump离线集群完全进入2.0时代:

通过升级hdfs 2.0优化shortcircuit read,使用domain socket通信等等提升了效率，加快了任务运行速度,同时支持成熟的NAMENODE HA，Federation，解决了让大家担心的集群NN单点问题，集群容量和扩展性得到大大提升。

通过升级yarn对集群资源进行更有效的管理，摒弃了slots的物理划分，采用内存资源控制使集群资源被更有效的利用，从而提高整个集群的吞吐，同时支持丰富的计算框架，为后续DUMP应用架构优化调整提供了广阔的舞台。

当然集群的升级过程也遇到了很多问题和困难

第一阶段升级过程中遇到的主要问题:

1)hdfs升级为2.0后,需要同时升级下hive版本(hive-0.9.0-cdh4.1),之前使用老版本hive jar编译的任务需要使用新版本jar包重新编译

2)mr1任务要运行在hdfs 2.0上部分任务会运行失败，主要是2.0中将原来的class换成了interface,需要重新编译即可，少量代码需要添加下throws IOException，依赖的hadoop-core jar包也被拆分成了几个(common,hdfs,mr1等)

3)hdfs shell命令差异，主要是针对mkdir或者touchz等中间如果有不存在的路径不会自动创建

4)从云梯distcp数据由于hdfs版本不兼容，必须使用hftp的方式,且因hftp不支持密码访问，后来patch解决

5)升级hdfs 2.0后集群整体读I/O升高明显，从而导致特别是I/O需求高的build任务延时

原因是2.0对dfs.client.read.shortcircuit的调整，在检查是否有权限(dfs.block.local-path-access.user中配置的用户名)进行shortcircuit读取时如果没有权限会将本地的datanode作为deadnode处理，然后数据通过远程读取

又因为hbase中dfs.client.read.shortcircuit.buffer.size设置的值不合适导致多读了很多无谓的数据，导致整个集群I/O升高

解决方案:

设置dfs.client.read.shortcircuit.buffer.size=16K与hbase的block的大小相匹配

详细的分析过程见:

http://www.atatech.org/article/detail/2733/193

http://www.atatech.org/article/detail/7207/193

第二阶段升级遇到的主要问题:

1)升级到yarn后，Capacity Schedule进行了更新，job提交只需要指定叶子queue名字即可，指定全路径会报错

2)没有了map/reduce slots的概念，集群只需配置可用的内存大小，主要的参数:

集群:

yarn.nodemanager.resource.memory-mb：                            一个nodemanager上可分配给container使用的物理内存大小
yarn.scheduler.minimum-allocation-mb：                                  resource manage分配内存的最小粒度，暂设成1024，job提交需要内存必须为此参数的整数倍
yarn.scheduler.capacity.<queue>.maximum-am-resource-percent：   am所占资源比例，可按queue设，暂设成0.3
yarn.scheduler.capacity.<queue>.user-limit-factor：            单个用户提交job限制，可按queue设，单用户如要抢占最大资源，需要设大

应用:

mapreduce.map.memory.mb,mapreduce.reduce.memory.mb：          map，reduce的内存数，默认是1024,2048，如需设大，必须是1024的整数倍,可以简单理解为之前的slots数配置
mapreduce.map.java.opts,mapreduce.reduce.java.opts：           java child进程的jvm heap大小，比上面的值小些
mapreduce.job.reduce.slowstart.completedmaps：                      对于map数较多需要跑多轮，可以设大此值，延迟reduce启动避免占用资源

3)yarn中不在兼容commons-cli-2.0-SNAPSHOT.jar，之前通过将该jar文件copy到hadoop classpath中使用的应用需要部署到各自应用的相关目录下，并在提交任务的时候引用

4)一些使用0.19等老版本的hadoop-streaming.jar需要更换为新版本

5)container内存超配被kill掉,考虑到job内存的自然增长及一些使用共享内存的任务，所以设置yarn.nodemanager.vmem-pmem-ratio=false关闭物理内存检查

6)客户端向AM获取job status报错:IOException

原因是AM内存设置太小，频繁GC导致,通过调大yarn.app.mapreduce.am.resource.mb解决

7)c2c_merge任务在yarn上运行缓慢

经过排查分析是因使用的mmap文件在pagecache中频繁换进换出导致,根本原因还是18与32内核的差异，因为集群升级过程中也对内核进行了升级，通过修改应用代码

去除madvise设置的MADV_SEQUENTIA后问题解决，参考:

http://baike.corp.taobao.com/index.php/Kbuild在32内核上性能退化问题

8)IPV4和IPV6差异引起的长短机器名问题及job data local比例低的问题

在yarn resource manager下显示部分机器是长机器名，部分机器是短机器名

hbase集群下显示全是长机器名,原因是yarn与hbase获取机器名调用的方法不一样，得到的结果也不一样，导致resourcemanager在分配container时进行优先的host匹配是匹配不上，最后变成任意匹配导致

获取机器名差异的根本原因经过分析是java处理ipv6有bug和yarn脚本bug共同导致

http://bugs.sun.com/view_bug.do?bug_id=7166687

http://www.atatech.org/article/detail/10731/193

解决方案1是修改yarn脚本，并提交issue到社区: https://issues.apache.org/jira/browse/YARN-1226

解决方案2就是给集群配置上机架感知，且让一个机器一个rack的虚拟机架配置，通过rack匹配绕开任意匹配，在 http://www.atatech.org/article/detail/10731/193 中有详细分析

9)由于我们当时在方案1还未得出结论前临时采用方案2快速解决线上data local低的问题后发现有部分任务提交失败报错: Max block location exceeded for split

原因是:配置了一个节点一个机架后CombineFileInputFormat获取split的block localtion时会根据block分布在哪些rack上获取locations信息，由于机架数等同于机器数，获取到的localtions数会超过集群的默认配置:

mapreduce.job.max.split.locations = 10，而yarn上修改了代码会在超出这个配置值时抛出异常，所以任务提交失败

解决方案1:增大mapreduce.job.max.split.locations和集群节点数一致

解决方案2:patch修改JobSplitWriter中超过配置值抛异常为打印警告日志，与升级前一致

详情见: http://www.atatech.org/article/detail/11707/193

10)gcih不能正常工作

GCIH: http://baike.corp.taobao.com/index.php/GCIH

不能正常工作的原因有两个:

l 集群升级到yarn后，nm管理job临时目录和distribute file的方式与tt不同，导致GCIH会生成多个mmap文件gcih.dat

l 在修复上述问题的过程中，发现散列到不同磁盘上task，jvm classpath加载顺序不一致，导致GCIH不能正常工作

解决方案，升级GCIH

将gcih.dat生成到gcih.jar软连对应的源目录下，这样一个job只会有一个

调整gcih.jar的加载顺序，放到preload里

11)集群资源使用100%,job一直hang住

当集群root跑满100%而下面的子queue未满时（因为希望集群的资源共享竞争，queue的最大可用资源会进行适当的超配)

不会触发抢占reduce资源的过程

解决方案:

l 不同queue的大任务尽量避开运行

l 后续patch修改在root满时触发抢占

详细分析过程见:

http://www.atatech.org/article/detail/10924/193

12)load任务写hbase偶尔会卡住

原因是当集群中有节点挂掉或者网络等出现异常可能会导致hbaseclient在select时无线等待，而锁无法释放

解决方案：

在hbase client的代码里设置超时时间

具体原因分析见:

http://www.atatech.org/article/detail/9061/193

13)集群有节点出现问题，上面的任务一直失败，后续别的任务起来后还会将container分配到这个节点

原因是yarn和之前mr1黑名单机制发生了改变

mr1是全局的黑名单，一旦被加入黑名单后续任务不会再分配

yarn的黑名单是在AM上的，也就是任务级别的，被AM加入黑名单后可以保证当前任务不会被分配上去，但是其他任务的AM中是没有这个信息的，所以还是会分配任务上去

解决方案:等待NM将节点健康信息汇报给RM,RM将节点从集群摘除

如果一直无法汇报，可以通过yarn支持的外围用户脚本来做健康检查和汇报(需要在yarn配置中配置该脚本)

详细分析见:

http://www.atatech.org/article/detail/11266/193

hive相关:

1)out join被拆成多个job

问题发现：loader在做多表join的过程时原来的一个job被hive拆成了8个job，耗时由原来的3分钟变成30分钟

通过patch解决,参考:

http://mail-archives.apache.org/mod_mbox/hive-user/201305.mbox/[email protected]>

https://issues.apache.org/jira/browse/HIVE-4611

2)设置mapreduce.map.tasks不生效

分析是Hive的InputFormat的问题

如InputFormat设置为org.apache.hadoop.hive.ql.io.CombineHiveInputFormat，需要设置mapreduce.input.fileinputformat.split.maxsize来控制map的个数

如InputFormat设置为org.apache.hadoop.hive.ql.io.HiveInputFormat，则此参数生效

解决，将hive配置中默认的InputFormat配置成org.apache.hadoop.hive.ql.io.HiveInputFormat

3)写redis的hive job拆成了两个job

hive默认设置中，当map输出文件太小，会新起一个job合并小文件

解决方案:set hive.merge.mapfiles=false;

仍然存在待解决的问题:

1)有部分job会导致单disk io到100%,拖慢这个任务

2)机器出现异常问题，task全部都在localizing，job一直pending,只能kill掉重新提交

3)job或者task被kill掉后，日志也被删除，history中看不到该job的信息，排查问题困难

集群HADOOP 2.0的升级，在更好的支持现有业务:主搜，商城，店铺内，PORA个性化，尼米兹平台，中文站(offer,company,minisearch),国际站(ae,sc,p4p,aep4p,scp4p)的基础上为后续离线dump平台：ADUMP的建设夯实了基础。

一个统一存储，模块插件化设计，减少各业务线之间数据冗余，避免重复开发，同时支持快速响应各条业务线新需求的全新平台ADUMP将在3月底左右上线，紧跟集群升级的节奏，离线DUMP也将马上进入2.0时代，敬请期待!