Linkis 是微众银行开源的一款 数据中间件,用于解决前台各种工具、应用,和后台各种计算存储引擎间的连接、访问和复用问题。
Linkis,一个打通了多个计算存储引擎如 Spark
、TiSpark
、Hive
、Python
和 HBase
等,对外提供统一 REST
/ WebSocket
/ JDBC
接口,提交执行 SQL
、Pyspark
、HiveQL
、Scala
等脚本的数据中间件。
Linkis 基于微服务架构,提供了金融级多租户隔离、资源管控、权限隔离等企业级特性,支持统一变量、UDF、函数、用户资源文件管理,具备高并发、高性能、高可用的大数据作业 / 请求全生命周期管理能力。
大数据技术的广泛应用,催生出层出不穷的上层应用和下层计算引擎。
通过引入多个开源组件来实现业务需求,不断更新和丰富大数据平台架构,几乎是现阶段所有企业的通用做法。
如下图所示,当我们的上层应用、工具系统,和底层的计算存储组件越来越多时,整个数据平台的情况就会变成如上图的网状结构。
如何提供统一的数据中间件,对接上层应用工具,屏蔽掉底层的各种调用和使用细节,真正做到让业务用户只需关注业务实现,就算底层平台机房扩建、整体搬迁都不受影响,是 Linkis 的设计初衷!
如上图所示,我们基于 SpringCloud 微服务技术,新建了多个微服务集群,来打造 Linkis 的中间件能力。
每个微服务集群都承担系统的一部分功能职责,我们对其进行了如下明确的划分。如:
Spark
、Python
、TiSpark
、Hive
和 Shell
等。SparkSQL
、Spark Scala
、Pyspark
、R
、Python
、HQL
和 Shell
等;Yarn
队列资源、服务器(CPU 和内存)、用户并发个数等。JAR
、ZIP
、Properties
等),用户、系统、计算引擎的参数和变量统一管理,一处设置,处处自动引用。Hive
库表结构和分区情况展示。依赖这些微服务集群的相互协作,我们改善了整个大数据平台对外服务的方式和流程。
Gateway 网关:基于 Spring Cloud Gateway 进行了插件化功能增强,新增了前端 Client 与后台多 WebSocket 微服务 1 1 1 多 N N N 支持,主要用于解析和路由转发用户的请求到指定微服务。
统一入口:统一入口是用户某一类引擎作业的 Job 生命周期管理者。从接收作业、作业提交给执行引擎、到作业执行信息反馈给用户,再到作业完成,Entrance 管理了一个作业的全生命周期。
引擎管理器:引擎管理器负责管理引擎的全生命周期。负责向资源管理服务申请和锁定资源,并实例化新的引擎,也负责监控引擎的生命状态。
执行引擎:执行引擎是真正执行用户作业的微服务,它由引擎管理器启动。为了提升交互性能,执行引擎直接跟统一入口进行交互,实时推送执行的日志、进度、状态和结果集给统一入口。
资源管理服务:实时管控每个系统和每个用户的资源使用情况,管理引擎管理器的资源使用和实际负载,限制系统和用户的资源使用量和并发数。
Eureka:Eureka 是 Netflix 开发的服务发现框架,SpringCloud 将它集成在其子项目 spring-cloud-netflix
中,以实现 SpringCloud 的服务发现功能。每个微服务都内置了 Eureka Client,可以访问 Eureka Server,实时获得服务发现的能力。
Linkis 如何处理上层系统提交的一条 SparkSQL?
Gateway
,Gateway
负责解析用户请求,并路由转发给合适的统一入口 Entrance
。Entrance
会先寻找该系统的该用户是否存在可用的 Spark 引擎服务,如果存在,则直接将请求提交给 Spark 引擎服务。Eureka
的服务注册发现功能,拿到所有的引擎管理器列表,通过请求 RM
实时获取引擎管理器的实际负载。Entrance
拿到负载最低的引擎管理器,开始要求引擎管理器启动一个 Spark 引擎服务。RM
该系统下的该用户,是否可以启动新引擎。Entrance
。Entrance
。Entrance
拿到新引擎后,开始向新引擎请求执行 SQL。Yarn
提交执行 SQL,并实时推送日志、进度和状态给 Entrance
。Entrance
将获取的日志、进度和状态实时推送给 Gateway
。Gateway
回推日志、进度和状态给前端。Engine
主动将结果集推给 Entrance
,Entrance
通知前端拿取结果。如何保证高实时性
众所周知,Spring Cloud 集成了 Feign
来作为微服务之间的通信工具。
基于 Feign
的微服务之间 HTTP 接口调用,只支持 A 微服务实例根据简单规则随机访问 B 微服务的某个实例。
但 Linkis 的执行引擎,却可以直接主动推送日志、进度和状态给请求它的统一入口,Linkis 是如何做到的?
Linkis 基于 Feign
实现了一套自己的底层 RPC
通信方案。
如上图所示,我们在 Feign
的基础上,封装出了 Sender
和 Receiver
。
Sender
作为发送端直接可用,用户可以指定访问某个微服务实例,也可以随机访问,还支持广播。
Receiver
作为接收端,需要用户实现 Receiver
接口,用于处理真正的业务逻辑即可。
Sender
提供三种访问方式,如下:
ask
方法为同步请求响应方法,要求接收端必须同步返回响应。
send
方法为同步请求方法,只负责同步将请求发送给接收端,不要求接收端给出答复。
deliver
则为异步请求方法,只要发送端的进程不异常退出,在稍后会通过其它线程将请求发送给接收端。
Linkis 设计了 5 5 5 大异步消息队列和线程池,Job 每次占用线程不到 1 1 1 毫秒,保证每个统一入口可承接超 10000 10000 10000+ TPS 常驻型 Job 请求。
Entrance
的 WebSocket 处理器,内置一个处理线程池和处理队列,接收 Spring Cloud Gateway
路由转发的上层请求。Entrance
的 Job 调度池,每个系统的每个用户,都有一个专用线程,保证隔离度。Engine
端,则立马放入 Job 执行队列,保证每个 Job 占用执行池线程的时间不超过 1 1 1 毫秒。Engine
端推来的日志、进度、状态和结果集,并实时更新 Job 的相关信息。Linkis 设计了 Scheduler 模块 —— 可智能监控扩展的分组调度消费模块,用于实现 Linkis 的高并发能力。
每个系统的每个用户,都会单独分组,来保证系统级和用户级的隔离度。
每个消费器均有一个独立的监控线程,统计消费器中等待队列的长度、正在执行的事件数量、执行时间的增长比例等指标。
消费器所对应的分组对象,会对这些指标设置阈值和告警比例,一旦某个指标超过阈值,或多个指标间的比例超过限定范围(比如监控到平均执行时间大于分发间隔参数,即认为超过阈值),监控线程就会立即对消费器进行相应的扩展。
扩展时,会充分利用上述的调参过程,具有针对性的调大某个参数,其它参数会自动随之得到扩展。
Linkis 作为数据中间件,为实现对下层调用细节的屏蔽,做了许多的尝试和努力。
比如:Linkis 如何实现统一存储服务?Linkis 如何统一 UDF、函数和用户变量?
由于篇幅所限,本文不再详细论述,如您感兴趣,欢迎您访问官网:https://linkis.apache.org
有没有一套真正基于开源,经过金融级生产环境和场景的自研打磨完善,再回到开源社区的数据中间件,让人能相对放心的拿去服务于生产,支持金融级业务,具备企业级特性保障?
我们希望 Linkis 成为答案。