Apache Tez DAG计算应用框架

转自:http://zcdeng.iteye.com/blog/1897208

1. Tez简介

Tez是基于Hadoop Yarn之上的DAG（有向无环图，Directed Acyclic Graph）计算框架。它把Ｍap/Reduce过程拆分成若干个子过程，同时可以把多个Ｍap/Reduce任务组合成一个较大的DAG任务，减少了Ｍap/Reduce之间的文件存储。同时合理组合其子过程，也可以减少任务的运行时间。

2. DAG计算模型

Map/Reduce不能解决所有问题，它适合在分布式环境中处理那些海量数据批处理计算程序，其计算模型主要分为两阶段：第一阶段为Map阶段，输出的是＜Key, Value＞Pair对；再进行数据的Shuffle和Sort；然进入第二阶段Reduce阶段，在这一阶段就是对<Key, Value>对的计算逻辑处理。但是它无法更好地完成要求更高的计算任务，例如图计算中需要BSP迭代计算框架，要把上一个Map/Reduce任务的输出用于下一个Map/Reduce任务的输入；类似Hive和Pig的交互式有向图计算。DAG计算模型是针对Map/Reduce所遇问题而提出来的一种计算模型。下图是Map/Reduce模型与DAG模型的差别。

从图中可以看出：当采用Map/Reduce模型，我们处理一个大任务时需要四个Map/Reduce，那么就需要四个小Job来组合成一个大Job，这样会多几次的输入输出消耗。而采用Tez，它们形成一个大任务，这些子任务组合成一张DAG图，在数据的处理中间过程中，就没有往hdfs里面写数据，而是直接向它的后继节点输出数据。

3. Tez框架实现

在其中一篇技术博客Hadoop Yarn解决多类应用兼容方法讲到在Yarn上如何兼容各类应用的思路。在Hadoop Yarn上实现Hama BSP计算应用博文中讲解了如何在Yarn上开发出一个自己的应用。在这里，我将着重讲解在Tez应用的代码结构上，它是如何实现一个DAG计算模型。

从前面的博文中提到，对每个应用都需要去实现一个YARNRunner类去提交c对应的Job。在Tez里面，有一个这样的类org.apache.tez.mapreduce.YARNRunner。我们将以这个类为入口，讲解Tez的实现过程。

如下是Tez YARNRunner提交任务的实现代码。

 @Override
 publicJobStatussubmitJob(JobIDjobId,StringjobSubmitDir,Credentialsts)
 throwsIOException,InterruptedException{
 //与MR应用一样，先向RM获得一个applicationID。
 ApplicationIdappId=resMgrDelegate.getApplicationId();

 FileSystemfs=FileSystem.get(conf);
 //Loadsthejob.xmlwrittenbytheuser.
 JobConfjobConf=newJobConf(newTezConfiguration(conf));

 //ExtractindividualrawMRconfigs.
 //为每个stage创建它自己的conf文件
 Configuration[]stageConfs=MultiStageMRConfToTezTranslator
 .getStageConfs(jobConf);

 //TransformallconfstouseTezkeys
 MultiStageMRConfToTezTranslator.translateVertexConfToTez(stageConfs[0],
 null);
 for(inti=1;i<stageConfs.length;i++){
 MultiStageMRConfToTezTranslator.translateVertexConfToTez(stageConfs[i],
 stageConfs[i-1]);
 }

 //createinputstotezClient.submit()

 //FIXMEsetupjobresources
 Map<String,LocalResource>jobLocalResources=
 createJobLocalResources(stageConfs[0],jobSubmitDir);

 //FIXMEcreateDAGshouldtakethetezConfasaparameter,insteadofusing
 //MRkeys.
 //创建它的一个DAG图
 DAGdag=createDAG(fs,jobId,stageConfs,jobSubmitDir,ts,
 jobLocalResources);

 //略去...，创建一堆与Appmaster相关的conf配置，用于启动Tez的appmaster所用

 //SubmittoResourceManager
 try{
 PathappStagingDir=fs.resolvePath(newPath(jobSubmitDir));
 //向集群提交DAG任务
 dagClient=tezClient.submitDAGApplication(
 appId,
 dag,
 appStagingDir,
 ts,
 jobConf.get(JobContext.QUEUE_NAME,
 YarnConfiguration.DEFAULT_QUEUE_NAME),
 vargs,
 environment,
 jobLocalResources,dagAMConf);

 }catch(TezExceptione){
 thrownewIOException(e);
 }

 returngetJobStatus(jobId);
 }

上面的代码之中可以看出，它需要为该任务构造一个DAG图。下面是org.apache.tez.mapreduce.YARNRunner.createDAG(FileSystem, JobID, Configuration[], String, Credentials, Map<String, LocalResource>)的源码实现。

 privateDAGcreateDAG(FileSystemfs,JobIDjobId,Configuration[]stageConfs,
 StringjobSubmitDir,Credentialsts,
 Map<String,LocalResource>jobLocalResources)throwsIOException{
 //为DAG任务命名
 StringjobName=stageConfs[0].get(MRJobConfig.JOB_NAME,
 YarnConfiguration.DEFAULT_APPLICATION_NAME);
 DAGdag=newDAG(jobName);

 LOG.info("Numberofstages:"+stageConfs.length);

 TaskLocationHint[]mapInputLocations=getMapLocationHintsFromInputSplits(
 jobId,fs,stageConfs[0],jobSubmitDir);
 TaskLocationHint[]reduceInputLocations=null;
 //各个子任务subtask的初始化
 Vertex[]vertices=newVertex[stageConfs.length];//构造task节点
 for(inti=0;i<stageConfs.length;i++){
 vertices[i]=createVertexForStage(stageConfs[i],jobLocalResources,
 i==0?mapInputLocations:reduceInputLocations,i,
 stageConfs.length);
 }

 for(inti=0;i<vertices.length;i++){
 dag.addVertex(vertices[i]);//向dag中添加任务节点
 if(i>0){
 EdgePropertyedgeProperty=newEdgeProperty(
 ConnectionPattern.BIPARTITE,SourceType.STABLE,
 newOutputDescriptor(OnFileSortedOutput.class.getName(),null),
 newInputDescriptor(ShuffledMergedInput.class.getName(),null));

 Edgeedge=null;
 edge=newEdge(vertices[i-1],vertices[i],edgeProperty);
 dag.addEdge(edge);//向DAG图中添加边的属性
 }

 }
 returndag;
 }

大任务的DAG计算信息都存储在Vertex和Edge里面。我们将在这里详细分析Vertex和Edge的关系。

下面是向RM提交的任务信息，用于启动tez appmaster。appmaster的启动类为org.apache.tez.dag.app.DAGAppMaster。

 privateApplicationSubmissionContextcreateApplicationSubmissionContext(
 ApplicationIdappId,DAGdag,PathappStagingDir,Credentialsts,
 StringamQueueName,StringamName,List<String>amArgs,
 Map<String,String>amEnv,Map<String,LocalResource>amLocalResources,
 TezConfigurationamConf)throwsIOException,YarnException{

 //省略一些配置参数及方法(conf配置,环境变量classpath参数和appmasterJava命令)...
 //emitprotobufDAGfilestyle
 PathbinaryPath=newPath(appStagingDir,
 TezConfiguration.TEZ_AM_PLAN_PB_BINARY+"."+appId.toString());
 amConf.set(TezConfiguration.TEZ_AM_PLAN_REMOTE_PATH,binaryPath.toUri()
 .toString());

 ConfigurationfinalAMConf=createFinalAMConf(amConf);

 DAGPlandagPB=dag.createDag(finalAMConf);//用dag构建一个DAGPlan作业计划

 FSDataOutputStreamdagPBOutBinaryStream=null;

 try{
 //binaryoutput
 dagPBOutBinaryStream=FileSystem.create(fs,binaryPath,
 newFsPermission(TEZ_AM_FILE_PERMISSION));
 dagPB.writeTo(dagPBOutBinaryStream);//并且写到硬盘上
 }finally{
 if(dagPBOutBinaryStream!=null){
 dagPBOutBinaryStream.close();
 }
 }
 //省略localResources的配置信息...
 //SetupContainerLaunchContextforAMcontainer
 ContainerLaunchContextamContainer=
 ContainerLaunchContext.newInstance(localResources,environment,
 vargsFinal,null,securityTokens,acls);

 //SetuptheApplicationSubmissionContext
 ApplicationSubmissionContextappContext=Records
 .newRecord(ApplicationSubmissionContext.class);

 appContext.setApplicationType(TezConfiguration.TEZ_APPLICATION_TYPE);
 appContext.setApplicationId(appId);
 appContext.setResource(capability);
 appContext.setQueue(amQueueName);
 appContext.setApplicationName(amName);
 appContext.setCancelTokensWhenComplete(conf.getBoolean(
 TezConfiguration.TEZ_AM_CANCEL_DELEGATION_TOKEN,
 TezConfiguration.DEFAULT_TEZ_AM_CANCEL_DELEGATION_TOKEN));
 appContext.setAMContainerSpec(amContainer);

 returnappContext;
 }

4. Vertex & Edge

<续>

5. MapReduce

<续>