欢迎访问: 西北工业大学 - 大数据与知识管理研究室 (Northwestern Polytechnical University - BigData and Knowledge Management Lab),链接:http://wowbigdata.cn/,http://wowbigdata.net.cn/,http://wowbigdata.com.cn。
本文的目的:说明Giraph如何借助ZooKeeper来实现Master与Workers间的同步(?不太确定)。
环境:在单机上(机器名:giraphx)启动了2个workers。
Giraph遵从单Master多Workers结构,BSPServiceMaster使用MasterThread线程来进行全局的同步。每个Worker启动成功后,会向Master汇报自身的健康状况,那么Master是如何检测Workers是否都成功启动了?
1. Master在ZooKeeper上创建两个目录,_workerHealthyDir和 _workerUnhealthyDir,分别用来记录Healthy Workers和UnHealthy Workers。主要在BspServiceMaster类中的getAllWorkerInfos()方法来完成,其调用关系如下,注意下getAllWorkerInfos()到MasterThread.run()方法调用关系,比较难找。
创建的两个目录如下:
/_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir
/_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerUnhealthyDir
2. 每个Worker在setup()中,调用registerHealth()方法来注册自身的状态。若自身是Healthy的,则在_workerHealthyDir目录下添加子节点 /wokerInfo.getHostNameId(),否则在_workerUnhealthyDir目录下添加。wokerInfo.getHostNameId()为:Hostname+“_”+TaskId。 Task1和Task2 (Task 0是master) 创建的子节点如下:
/_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir/giraphx_1
/_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir/giraphx_2
3. Master 在checkWorkers()方法中,在While死循环中(实际有超时限制),通过调用getAllWorkerInfos()方法来获取_workerHealthyDir目录下的子节点,然后比较子节点数目是否达到maxWorkers(启动job时定义的,-w参数)。
若小于maxWorkers,则继续调用getAllWorkerInfos()方法进行下一轮检测;若等于maxWorker,退出While循环,然后返回healthyWorkersInfoList:[Worker(hostname=giraphx, MRtaskID=1, port=30001), Worker(hostname=giraphx, MRtaskID=2, port=30002)] 。
问题:由于在分布式环境中,每个Worker和Maste都是并行运行,彼此不知道对方的运行情况。上述第3步骤中,若还有子节点还没有创建,就一直在while死循环中调用来检测getAllWorkerInfos()方法检测,效率比较低下,当然也比较笨!。
Giraph借用ZooKeeper来高效的进行检测。设计理念如下:
1). master在获取子节点时,注册Watcher(为注册器,用于触发相应事件)。若某个task创建了子节点后,就会触发Watcher事件。
private List<WorkerInfo> getWorkerInfosFromPath(String workerInfosPath,
boolean watch) {
List<WorkerInfo> workerInfoList = new ArrayList<WorkerInfo>();
List<String> workerInfoPathList;
//此处注册Watcher监听事件
workerInfoPathList =
getZkExt().getChildrenExt(workerInfosPath, watch, false, true);
for (String workerInfoPath : workerInfoPathList) {
WorkerInfo workerInfo = new WorkerInfo();
WritableUtils.readFieldsFromZnode(
getZkExt(), workerInfoPath, true, null, workerInfo);
workerInfoList.add(workerInfo);
}
LOG.info("D-workerInfoList: "+workerInfoList);
return workerInfoList;
}
2). 若子节点数目小于maxWorkers,就调用 workerHealthRegistrationChanged的await()方法释放当前线程的锁,陷入等待状态。不会进行无用的检测。
说明:workerHealthRegistrationChanged为PredicateLock类型(implements BspEvent接口),PredicateLock里面使用可重入锁 ReentrantLock和Condition进行线程的控制。
3). 当某个task创建了子节点后,触发Watcher事件。调用BspService中的public final void Process(WatchedEvent event)事件,该方法根据事件的路径来激活相应的BspEvent事件。此处对应的是:
workerHealthRegistrationChanged.signal();
eventProcessed = true;
s(926)) - process: Got a new event, path = /_hadoopBsp/job_201404102333_0002/_applicationAttemptsDir/0/_superstepDir/-1/_workerHealthyDir, type = NodeChildrenChanged, state = SyncConnected INFO bsp.BspService (BspService.java:process(960)) - process: workerHealthRegistrationChanged (worker health reported - healthy/unhealthy )
这样就会激活master线程,开始下一轮检测。
4). 子节点数目等于maxWorkers时,就停止。
总结:每创建一个子节点时,才会进行一次检测,效率较高!