《微店大数据开发平台架构演进》阅读有感

《微店大数据开发平台架构演进》阅读有感

一、为什么需要大数据开发平台

微店在16年4月份之前,数据开发流程基本是这样的:

  1. 开发人员通过公共账号登录安装了Hive、Hadoop客户端的gateway机器;
  2. 编写自己的脚本,调试代码,完成后通过crontab配置脚本定时执行;
  3. 为了防止脚本被其他同事修改,一些谨慎的同事会在每次开发完自己的脚本后同步一份到本机,后面为了实现版本控制,把脚本同步到了git;

可以说这样的开发方式连“小米加步枪”都算不上,而且存在诸多问题:

  1. 效率低下。
  2. 脚本或代码没有版本控制,开发人员想回滚到以前的版本很不方便。
  3. 若开发人员疏忽,添加新的需求后未经过调试,将可能会影响生成的数据,进而影响线上业务。
  4. 任务缺乏权限控制,可登陆gateway的任何人都可修改、运行脚本。
  5. 对于脚本中依赖的表,只能预估它每天产生的时间,一旦它产出延迟,将影响数据的产出。
  6. 任务失败无任何报警,只能依靠人工发现。
  7. 任务失败重新恢复后无法自动通知依赖下游重新生成。
  8. 任务失败要逐层向上游查找最源头的任务失败原因,排查异常繁琐。
  9. 一旦gateway机器故障,所有的任务都将灰飞烟灭,毫无疑问这将是一场灾难。

为此,开发一个大数据开发平台,提高大数据开发的效率,为线上每天调度的任务保驾护航已迫在眉睫。

在16年4月份,我们研究并部署了zeus,公司数据开发效率得到了显著提高,解决了开发调试脚本,同步脚本,失败报警等问题,但同时zeus也存在一些问题,zeus使用的GWT的前端框架,开发新的需求比较繁琐,开发、发布任务的流程很不规范,改动很容易就影响线上,带来线上服务的不稳定。基于这些考虑我们启动了二期的开发,并且将二期大数据开发平台定名为Mars。Mars底层复用zeus,主要规范数据开发、调试、发布流程,更换zeus前端框架,改为使用extjs,并实现脚本版本控制,回滚历史脚本等一系列功能。

二、大数据开发平台应该具备的功能特性

Mars具备的功能特性:

  1. 引入版本控制,方便开发人员回滚到之前版本,快速恢复线上调度的任务。
  2. 规范大数据开发、测试、上线的流程。
  3. 权限控制,任务的所有人、管理员才可以操作任务。
  4. 依赖调度,所有依赖的任务执行成功,自动触发自身执行。
  5. 任务执行失败,发送执行失败消息给任务所有人,人工介入。
  6. 手动恢复任务,恢复成功后,自动通知下游的任务重新执行。
  7. 任务依赖图谱,成功失败用不同颜色区分,失败源头一目了然。
  8. 任务信息存储在数据库,Mars机器采用分布式系统架构,即使单台机器故障也不会影响使用。
  9. 输入输出检测,判断输入表是否准备好,检测输出表数据是否完整。

10. 合理使用Hadoop资源。用户只能使用所属团队指定的hadoop队列。

三、Mars大数据平台构成

 《微店大数据开发平台架构演进》阅读有感_第1张图片

 

     大数据开发平台建立在HDFS、YARN、HiveMeta的基础服务之上,目前支持通过Hive、Kylin查找数据,后面所有的数据查询入口将都集成在这里,包括:ES、Redis、Hades等,大数据平台目前支持Shell、Hive、MR、Spark四种任务类型。

四、Mars系统架构设计

Mars系统架构图:

 《微店大数据开发平台架构演进》阅读有感_第2张图片

 

  Mars大数据开发平台依托于Hadoop集群,所有的mars机器都必须安装hadoop、Hive客户端。Mars机器有两个身份:master&worker。master负责管理Job、给worker分配Job;worker负责执行Job,提交Job到Hadoop集群,接收Job执行的日志信息。

五、分布式系统架构

  • 谁是master,谁是worker

        应用启动时,机器通过抢占的方式争当master,通过在数据库中插入一条记录的方式标识当前谁是master,master每隔一定时间去更新数据库,通过维护一个更新时间间接告知worker它还活着,worker同样每隔一定时间去查询数据库,倘若master的更新时间超过一定时间间隔,worker则认为master故障,第一个发现的worker将当仁不让的成为新的master。

  • masterworker容灾模式

        master与worker之间使用基于protobuf的netty进行通信,master会每隔一段时间去检测与worker的连接,若发现worker故障,master将断开与worker的连接,把分配到该故障worker上的任务重新分配到其他worker上去执行;若master故障,worker将使用抢占的方式争当新的master,新的mater将中止所有正在运行的Job,重新分配。

六、定时、依赖调度

《微店大数据开发平台架构演进》阅读有感_第3张图片

 

  • 定时调度

        Mars使用Quartz来实现定时调度。Quartz是一个完全由java编写的开源作业调度框架。简单地创建一个实现org.quartz.Job接口的java类。Job接口包含唯一的方法:public void execute(JobExecutionContext context) throws JobExecutionException,在你的Job接口实现类里面,添加业务逻辑到execute()方法。一旦配置好Job实现类并设定好调度时间,Quartz将密切注意剩余时间。当调度程序确定该是通知你作业执行的时候,Quartz框架将调用你的Job实现类(作业类)的execute()方法,去做它该做的事情。

  • 依赖调度

        依赖调度是指该Job所有依赖的Job全部成功运行完毕时需要被触发的任务类型。当且仅当其所有依赖的任务在当天全部成功运行完毕后,依赖任务将会被触发执行。那么依赖调度是如何实现的?

 

        例如,任务110、112为定时任务,任务119为依赖任务,任务119依赖任务110、112。起初119的状态为:依赖JobId:110、112,已就绪JobId:空。110、112未就绪,119不执行;凌晨2点任务110执行成功,任务119收到110执行成功事件,状态更新为:依赖JobId:110、112,已就绪JobId:110、112未就绪,119此时仍然不执行;凌晨3点任务112执行成功,任务119收到112执行成功事件,状态再次被更新为:依赖JobId:110、112,已就绪JobId:110、112。110、112均已就绪,触发119开始执行。

七、执行任务都做了哪些工作

 

  • 后端
  1. 用户在开发中心运行、选中运行或在调度中心手动执行、手动恢复。
  2. Mars worker机器进行预判断,包括权限判断、脚本中是否有参数为替换等。
  3. worker机器向master机器发送执行任务请求。
  4. master机器收到执行任务请求,把任务加入执行队列。
  5. master机器定时扫描执行队列,选择合适的worker(负载均衡)执行此任务。
  6. 前置准备。包括:资源文件下载,数据表数据监测等。
  7. 执行任务。
  8. 后置处理。包括数据浮动检查、旧分区清理、添加执行成功标志等。
  9. 如果生成了结果文件,还要上传结果文件到Hadoop,方便以后下载。
  • 前端
  1. 用户触发执行任务。
  2. 每隔一段时间请求日志,刷新到前端页面。
  3. 任务执行完毕。
  4. 如果是开发中心有结果数据,则请求Hadoop上的结果数据。
  5. 进行数据展示。

八、遗留问题及后续发展方向

遗留问题

  • 检测未跑任务。master挂掉或部署过程中的定时任务不会被触发,需要有机制发现这种任务。
  • 重新部署后,正在运行的任务会重新跑。正在运行的任务会被master取消掉,重新分配执行,如果任务执行需要较长的时间,这样做就是无法接受的。
  • 检测数据质量。目前输出表仅简单的检测了数据浮动(即数据大小),对于表中的数据内容需要进一步检测,以保证数据产出的合法性。

后续发展方向

  • 资源账单。规范用户Hadoop资源使用。
  • 数据地图。方便用户找数据。
  • 血缘关系。方便用户追溯数据来源。
  • 数据流动。方便数据互通。

参考:https://mp.weixin.qq.com/s?__biz=MzIzMDEyNzM4NQ==&mid=2650956332&idx=1&sn=9fe0952942de8f96d9a1d12f66dcd462&chksm=f34ee05ac439694cb02b8e389f35e201aafea966f51c3a594dacdd29a4d22cde32954bd5bfc4&scene=21#wechat_redirect

 

转载于:https://www.cnblogs.com/w-honey/p/11111407.html

你可能感兴趣的:(《微店大数据开发平台架构演进》阅读有感)