Twitter开源大数据实时分析系统Heron:Heron架构
Heron是Apache Storm的一个直接继承者。从架构角度来看,它与Storm截然不同,但是从API的角度看它是完全向后兼容的。
下面的章节指明了Heron和Storm的区别,描述了Heron背后的设计目标,并解释了其架构的主要组件。
代码库
Heron代码库的详细指南在这里。
拓扑
你可以认为一个Heron集群是一种管理流式处理实体(称作拓扑)的生命周期机制的机制。更多信息可以查看Heron拓扑文档。
与Apache Storm的关系
Heron是Apache Storm的直接继承者,但是以下面两点为构建目标:
1. 通过把Storm的基于线程的计算模型替换为基于进程的模型,克服Storm的性能,可靠性,和其他缺点。
2. 保留与Storm的数据模型和拓扑API的完全兼容。
关于Heron和Storm更深入的讨论,查看Twitter Heron: Stream Processing at Scale论文。
Heron设计目标
- 隔离 – 拓扑应该是基于进程的而非基于线程的,而且每个进程应该独立执行以便于调试,分析和排错。
- 资源限制 – 拓扑应该只使用它们初始分配的那些资源,永远不能超过那些限制。这使得Heron在共享的基础设施上也保证安全。
- 兼容性 – Heron与Apache Storm的API和数据模型是完全兼容的,使得开发人员便于在系统间迁移。
- 反压机制 – 在Heron这类分布式系统中,不能保证所有的系统组件以相同的速度执行。Heron有内置的反压机制来确保拓扑在组件缓慢的情况下可以自适应。
- 性能 – 许多Heron的设计选择使得Heron获得了比Storm更高的吞吐量和更低的延迟,同时还提供了增强的可配置性来微调可能的延迟/吞吐量的折中。
- 语义保证 – Heron支持at-most-once和at-least-once两种处理语义。
- 效率 – Heron的构建目标是以最小的资源使用量达到上述所有目标。
拓扑组件
Heron拓扑的下列核心组件在以下小节中深入讨论:
- - Topology Master
- - Container
- - Stream Manager
- - Heron Instance
- - Metrics Manager
- - Heron Tracker
Topology Master
Topology Master(TM)管理拓扑的整个生命周期,从提交直到最终被杀死。当==heron==部署一个拓扑时,它启动了一个TM和多个containers。这个TM创建了一个临时ZooKeeper节点以保证这个拓扑只有一个TM,并且这个TM可被拓扑中任何进程发现。这个TM也负责构建拓扑的物理计划,传递给不同组件。
TM有多种配置参数,你可以在拓扑生命周期每一个阶段进行调整。
Container每个Heron拓扑包括多个containers,每个container包含多个Heron实例,一个Stream Manager和一个Metrics Manager。Containers与拓扑的TM通信以确保拓扑形成一个全联通图。
作为插图,查看上述Topology Master小节的图片。
Stream Manager
Stream Manager(SM)管理拓扑组件间元组的路由。一个拓扑中的每个Heron实例连接到它的本地SM,同时在一个给定的拓扑中所有的SM互相连接形成了一个网络。下面是SM网络的图示:
在这种情况下,Heron的反压机制起效。容器A中的SM会向其他所有SM发送一条消息。结果是,其他SM会检查容器的物理计划,并切断流入bolt B3的spouts的输入(本例中是spout S1)。
Stream Manger配置
SM有多种配置参数,你可以在拓扑生命周期每一个阶段进行调整。
Heron Instance
一个Heron Instance(HI)是一个处理一个独立spout或bolt任务的进程,支持简单的调试和分析。目前,Heron只支持Java,所以所有HI都是JVM进程,但是未来会改变。
Heron Instance配置
HI有多种配置参数,你可以在拓扑生命周期每一个阶段进行调整。
Metrics Manager
每个拓扑运行一个Metrics Manager(MM),用于收集和导出一个container中所有组件的度量。然后把哪些度量信息路由给Topology Master和外部收集器,如Scribe, Graphite,或类似系统。
你可以通过实现自己的定制度量池(sink),使Heron支持其他系统。
集群级别组件
上述小节列出的所有组件在每个拓扑中都可以找到。下面列出的组件是集群级别的组件,在特定拓扑外起作用。
Heron CLI
Heron有一个称作==heron==的CLI工具,用于管理拓扑。文档参照Managing Topologies。
Heron Tracker
Heron Tracker(或Tracker)是一个关于拓扑的集群信息的集中入口,包括哪个拓扑正在运行,正在启动,正在被杀死,等等。它依赖于与集群中拓扑所使用的相同的ZooKeeper节点,并提供了JSON REST API接口来获取那些信息。Tracker可以运行在Heron集群内(在Heron scheduler管理的相同的机器上),也可以运行在Heron集群外。
运行包含JSON API文档的操作说明可以参考Heron Tracker。
Heron UI
Heron UI是一个富可视化接口,可以用于与拓扑交互。通过Heron UI,可以看到集群中每个拓扑的逻辑和物理计划的着色的展现。
更多信息,参照Heron UI文档。
End.