Twitter开源大数据实时分析系统Heron:Heron架构

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

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。

Twitter开源大数据实时分析系统Heron:Heron架构
Topology Master配置

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:

Twitter开源大数据实时分析系统Heron:Heron架构
除了作为数据流的路由引擎外,SM还负责在需要时在拓扑中传播反压。下面是反压的图示:

Twitter开源大数据实时分析系统Heron:Heron架构
上图中,假定bolt B3(在container A中)所有输入都来自spout S1。B3比其他组件运行更慢。结果是,container A的SM会拒绝来自容器C和D的输入,因为那样会导致那些容器的套接字缓冲填满,进而导致吞吐量崩溃。

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)。

Twitter开源大数据实时分析系统Heron:Heron架构
一旦落后的bolt(B3)恢复正常,容器A的SM会通知其他SM,这个拓扑的流路由就会恢复正常。

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.

随意打赏

twitter 开源twitter是什么twitter数据twitter登陆twitter下载twitter注册大数据平台架构大数据技术架构twitter
提交建议
微信扫一扫,分享给好友吧。