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>