Tachyon简介及目前可用性分析

简介

翻译tachyon wiki上的介绍

“Tachyon是一个高容错的分布式文件系统，允许文件以内存的速度在集群框架中进行可靠的共享，就像Spark和 MapReduce那样。通过利用信息继承，内存侵入，Tachyon获得了高性能。Tachyon工作集文件缓存在内存中，并且让不同的 Jobs/Queries以及框架都能内存的速度来访问缓存文件”。因此，Tachyon可以减少那些需要经常使用的数据集通过访问磁盘来获得的次数。”

使用

鉴于Tachyon也是AMP实验室开发的项目，属Spark整个生态环境里的一部分，原本打算尝试让Spark/Shark在Tachyon上跑，看看速度/性能有没有一些提升。

Tachyon目前发布的release版本是0.2的，支持CDH3。支持CDH4的tachyon-0.3版本还未发布，不过可以在0.3-branch上下载到，需要自己编译打包，依赖的jdk是1.7的。想要部署cluster，让Spark和Shark在上面跑的话，可以参考下面几份wiki，

https://github.com/amplab/tachyon/wiki/Running-Tachyon-on-a-Cluster
https://github.com/amplab/tachyon/wiki/Running-Spark-on-Tachyon
https://github.com/amplab/tachyon/wiki/Running-Shark-on-Tachyon

部署和使用还是很方便的，可以用

./start.sh SudoMount

启动master和所有workers，然后在webui上看到worker情况以及FileSystem内已经存储的文件情况。

./run-tests.sh

测试文件里，写死了$MASTER_ADDRESS的端口，如果在/conf/tachyon-env.sh里修改了端口的话，需要保持一致。

可用性

最近新发布的shark-0.8，发布的pre-built版本是默认不支持tachyon的，因为shark-0.8的标配是spark-0.8，scala-2.9.3和cdh4，而tachyon的支持cdh4的0.3版本如上所述还未正式发布，所以我在shark-0.8上基于tachyon create table的时候，提示版本不支持。具体在SharkBuild.scala里可以看到编译的时候没有enable：

// Shark version
  val SHARK_VERSION = "0.8.0"

  val SPARK_VERSION = "0.8.0-incubating"

  val SCALA_VERSION = "2.9.3"

  // Hadoop version to build against. For example, "0.20.2", "0.20.205.0", or
  // "1.0.1" for Apache releases, or "0.20.2-cdh3u3" for Cloudera Hadoop.
  val DEFAULT_HADOOP_VERSION = "1.0.4"

  lazy val hadoopVersion = env("SHARK_HADOOP_VERSION") orElse
                           env("SPARK_HADOOP_VERSION") getOrElse
                           DEFAULT_HADOOP_VERSION

  // Whether to build Shark with Yarn support
  val YARN_ENABLED = env("SHARK_YARN").getOrElse("false").toBoolean

  // Whether to build Shark with Tachyon jar.
  val TACHYON_ENABLED = false

另一方面，我用shark-0.7跑的时候，会出一些奇怪的问题，在google的 tachyon user上看了相关帖子，很多问题和bug都说会在0.3或者future release中解决，觉得 tachyon还不够成熟和稳定，暂时还不敢继续尝试使用。至少等到0.3正式发布，再观望一下情况。