大数据技术干货阿里云伏羲(fuxi)调度器FuxiMaster功能简介 针对在线服务的资源强稳定
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了大数据技术干货阿里云伏羲(fuxi)调度器FuxiMaster功能简介 针对在线服务的资源强稳定相关的知识,希望对你有一定的参考价值。
免费开通大数据服务:https://www.aliyun.com/product/odps
转载自xingbao
各位好,这是介绍阿里云伏羲(fuxi)调度器系列文章的第三篇,今天主要介绍针对在线服务的资源强稳定
一、FuxiMaster简介
FuxiMaster和Yarn非常相似,定位于分布式系统中资源管理与分配的角色:一个典型的资源分配流程图如下所示:
作为调度器,目前FuxiMaster支持的功能主要有:
1、多租户管理
2、支持FIFO/FAIR调度策略
3、针对在线服务保持资源强稳定(本文)
4、支持NodeLabel动态划分集群
5、支持多机房调度
6、支持基于优先级的交互式抢占
7、支持AllOrNothing调度
8、支持基于硬件ID化的调度
9、单Master目前支持2w台机器的规模
10、......
一、Fuxi的资源协议交互流程
正常场景分配资源
1、FuxiMaster分配资源后,会同时给作业(AM,下同)和机器节点(Tubo,下同)分配一个凭证: 给AM发送的叫做Hint, 告诉AM你可以在哪些机器上起分别起几份资源; 给Tubo发送的叫做Cap,告诉哪些AM在你这可以分别起几份资源;
2、AM收到FM的Hint后,会分别为每个slot准备启动的plan,然后发送给对应的tubo;
3、(Tubo收到FM的cap后,会等待AM发送plan,在收到plan之前不会有动作) or (Tubo 收到AM的plan后,会等待FM发送cap, 在收到cap之前不会有动作)
4、当Tubo同时收到来自AM的Hint以及来自FM的Cap后,会在本地拉起worker
异常场景定义:
系统中存在FuxiMaster\Tubo\AM三个角色,根据timeout和failover的排列组合,总共有下述17种异常场景:
资源调度器:FuxiMaster, 作业管理器:AM, 机器节点:tubo
对于离线作业和在线服务,他们对于异常情况的容忍度是不一样的: 对于以SQL、MR为代表的离线作业,他们对于资源revoke并不明显,只要换一台机器重新跑就好了,影响只是运行时间会增加; 对于在线服务,可能重启一个worker都会造成故障,尤其是这种FuxiMaster未经AM同意、不给AM做准备的资源Revoke,对于在线服务是不能接受的。
我举两个例子来说明在线服务和离线作业在异常场景下的行为:
异常场景之一:FuxiMaster发生failover
由于FuxiMaster对调度结果不会做checkpoint,所以每次failover时,fuximaster的内存是空的,需要借助AM和tubo进行恢复:
1、FuxiMaster重启后,会在60s的时间内等待tubo和am向自己polling消息
2、tubo会将自己全量的cap发送给FuxiMaster, AM会将自己全量的Request和Hint发送给FuxiMaster
3、60s结束,FuxiMaster会根据AM的Request和tubo的cap做一个Recover动作,尝试恢复之前的调度结果;
针对离线作业:如果有的tubo没有连上来,那么所有AM在这台机器上的资源FuxiMaster都会认为不可用, AM会收到资源回收的消息; 如果有的AM没有连上来,那么这个AM所有的资源FuxiMaster都会认为不存在(因为没有request),到下次AM连上来时,会收到所有资源被回收的消息
针对在线服务:无论是tubo还是AM没有连上来,都不能主动回收我的资源;
这里需要特别指出的是,当FuxiMaster failover时,FM会同时收到tubo的cap和AM的hint,在正常逻辑下,是不看AM的hint的,因为AM是用户自己的逻辑,可能会误发、错发;而tubo只是转发FuxiMaster曾经发送给他的cap, 可信度是相对较高的
异常场景之二:Tubo发生Timeout
1、tubo和FuxiMaster之间存在心跳,表示两者都在正常工作;当FuxiMaster感知到tubo timeout时:
针对离线作业: FuxiMaster会revoke AM在这台机器上的所有资源,并尝试分配新的资源
针对在线服务: 不许回收我的资源,你可以将这台机器异常的情况告诉我,我自己来做判断是否还资源;
下面会针对17种异常场景来一一分析如何通过 Hint\Cap\Request来保证全异常场景下在线服务如何保持stable
二、异常场景下的在线服务资源稳定
1、FuxiMaster failover
FuxiMastr failover时,根据tubo的cap和AM的request来恢复资源
2、AM failover
AM failover时,会向FM汇报全量request, FM会向AM发送一个全量的hint来帮助AM完成failover
3、AM timeout
当AM timeout时,在超时时间内FuxiMaster不做动作;在超时时间外FuxiMaster会为AM找一台新的机器重新调度新的AM,并完成failover
4、tubo failover
当tubo failover时,他会向FuxiMaster请求一个全量的cap来完成自己的failover
5、tubo timeout
当tubo timeout时,FuxiMaster不会revoke在线服务的那部分cap,当tubo再次连回FuxiMaster时,FuxiMaster会将这部分stable的cap再次发送给tubo
6、AM failover && tubo failover
AM failover和tubo failover互不冲突,可以各自处理
7、AM failover && tubo timeout
AM failover和tubo timeout互不冲突,可以各自处理
8、AM timeout && tubo failover
AM timeout和tubo failover互不冲突,可以各自处理
9、AM timeout && tubo timeout
AM timeout和tubo timeout互不冲突,可以各自处理
10、FuxiMaster failover && AM failover
当FuxiMaster和AM failover时,FuxiMaster会等待重启的AM发送全量的request以及tubo发送全量的cap来恢复资源
11、FuxiMaster failover && AM timeout
当FuxiMaster failover期间AM没有连上来时,FuxiMaster这个时候只能收到tubo的cap,而没有AM的request; 此时,FuxiMaster会根据Tubo的cap来mock出对应的LT_CLUSTER Level的Request去recover这部分cap;当新的reschedule的AM连回来时,会将这部分mock的request转化成真正的request; 假设在AM连回来前tubo发生timeout,当作普通的tubo timeout来保证stable
12、FuxiMaster failover && tubo restart
当tubo重启时,tubo内存的中cap就丢失了;为了解决这个场景,tubo在每次收到FM的cap时都会本地做checkpoint
13、FuxiMaster failover && tubo timeout
在FuxiMaster failover期间tubo没有连上来,之前我们说过AM会向FuxiMaster发送全量的request和hint,但是FuxiMaster在tubo连上来的场景下只相信tubo的cap,而不相信hint;在这里AM发送的hint发挥了作用,我们通过AM的hint来恢复在没有连上来的tubo上面的cap,当tubo连回来时,就可以取走这部分cap
14、FuxiMaster failover && AM failover && tubo failover
在fuximaster failover期间,AM failover和tubo failover互不冲突,可以分别处理
15、FuxiMaster failover && AM failover && tubo timeout
由于AM failover会向FuxiMaster发送全量的request和全量的hint(全量的hint由在线服务自己做checkpoint),所以这个场景等价于FuxiMaster failover && tubo timeout
16、FuxiMaster failover && AM timeout && tubo failover
这个场景等价于FuxiMaster failover && AM timeout
17、FuxiMaster failover && AM timeout && tubotimeout
这个场景最为复杂,当AM先于tubo连回来时,可以参照AM的hint来恢复timeout tubo上面的cap; 当tubo先于AM连回来时,可以根据tubo的cap来mock request;
以上是关于大数据技术干货阿里云伏羲(fuxi)调度器FuxiMaster功能简介 针对在线服务的资源强稳定的主要内容,如果未能解决你的问题,请参考以下文章