分布式的设计思想

一、分布式设计基础

传统架构问题

① 单机资源不足

• 存储：3台机器，每台机器都有2T的硬盘空间，但是现在有1个3T的文件要存储
• 计算：3台机器，每台机器都有8核CPU和8GB内存，但是现在有1个程序需要12核CPU和24GB内存

② 单机性能较差

• 存储：10个1GB大小的文件，共10GB，要存储写入一台机器，1台机器的磁盘最多500MB/s，需要20s以上
• 计算：10个程序需要运行，每个程序需要8核8GB资源，1台机器有10核10GB，只能挨个运行

分布式思想

核心：分而治之

• 分：将一个大的任务拆分成多个小的任务，每台机器处理一个小的任务，并行处理
• 合：将多个小任务的结果最终再合并生成最终的结果进行返回

用于解决传统架构问题

• 存储：将3T的文件拆分成若干个小文件，例如每500M一个小文件，将这些小文件存储在不同的机器上
• 计算：将这个程序拆分成若干个小程序，每个小程序只需要3核6G，将这些小程序运行在不同的机器上

分布式软件架构

分布式：一般由多个提供相同或者不同服务的机器共同协作，称为分布式系统或者分布式服务，强调合作关系

普通分布式主从架构

• 主节点：管理节点：管理所有的从节点，管理所有任务的分配，对外接受用户的请求
• 从节点：工作节点：一般一个从节点负责一台机器，利用一台机器的资源来完成主节点分配的小任务

举例：

HDFS：从逻辑上将多台机器的磁盘合并为一个整体

• NameNode（主节点）：管理节点：管理从节点，管理元数据，接客
• DataNode（从节点）：存储节点：负责实现NameNode分配的任务的数据块的存储

YARN：从逻辑上将多台机器的内存和CPU合并为一个整体

• ResourceManager（主节点）：管理节点，负责资源管理和任务调度，接客
• NodeManager（从节点）：计算节点，负责利用自己节点的CPU和内存来完成RM分配的运行计算的任务

二、分布式计算设计

分布式计算本质

• 将一个大的计算任务拆分成多个小的计算任务，由多台机器并行执行所有小任务
• 最终将每个小任务的结果进行合并得到最终结果

组成：分布式程序+分布式资源

分布式程序：一个多进程的程序，程序运行时可以拆分成多个进程来运行【MapReduce：提供一套API】

分布式资源：一个多机器的集群，可以将多台机器的硬件资源从逻辑上合并为一个整体【YARN：分布式资源】

目标：处理数据

处理流程

① 读取数据：Input

• 读取数据，按照一定的规则将数据划分成多份，一般称为数据分片或者数据分区
  • MR规则：按照数据文件是否大于128M的1.1倍来拆分
  • 大于：按照128M来分
  • 小于：整体作为一个分片
  • 举个栗子
    • file1:140M => Block1-128M，Block2-12M => Split1
    • file2:145M => Block1-128M, Block2-17M => Split1-Block1, Split2-Block2
• 将每个分区的数据读取机器的内存中，不同分区的数据放在不同的机器内存中

② 处理数据：Process

• 根据划分规则，每个分区的数据对应一个Task计算任务来计算
  • MR规则：每个分片就启动一个MapTask来进行处理
  • 三个部分：Map、Shuffle、Reduce
• 每个Task计算任务可以运行在不同的机器上，使用多台机器的资源并行执行

③ 保存结果：Output

• 最后使用Task将前面每个Task任务计算的结果进行合并，输出保存

举例说明

需求：计算指定范围内的求和，假如数据量非常大。这里拿1~9举例

step1-Input：将1 ~ 9 的9个数字划分为三份【具体根据划分规则来决定】

• split1：1 2 3：数据在Node1上
• split2：4 5 6：数据在Node2上
• split3：7 8 9：数据在Node3上

step2-Process：启动多个Task分别对每个Split进行求和

• Task1：处理Split1：1 + 2 + 3 = 6：Node1
• Task2：处理Split2：4 + 5 + 6 = 15：Node2
• Task3：处理Split3：7 + 8 + 9 = 24：Node3

step3：将上面每个Task的结果进行合并

• Task4：将Task1 ~ Task3的结果进行合并：6 + 15 + 24 = 45
• 输出结果

以Hadoop为例，概念对比

• MapReduce程序有两种
• 三个阶段：Input、Map、Output【part-m-00000】
• 五个阶段：Input、Map【分】、Shuffle【分组】、Reduce【合】、Output【part-r-00000】

栗子	Hadoop
1 ~ 9	理解为HDFS中的一个文件
Split1，Split2，Split3	理解为这个文件被分成了三个Block块
Task1，Task2，Task3	理解为三个Map Task进程，分别运行在三台NodeManager上
Task4	理解为一个Reduce Task进程，将三个MapTask的结果做最终聚合
Node1，Node2，Node3	作为DataNode和NodeManager的节点