Hadoop RPC 工作机制

2019-03-09  本文已影响0人  Alex90

网络通信模块是分布式系统的底层基础，支撑上层分布式环境下复杂的进程间通信。远程过程调用（RPC，Remote Procedure Call）是一种常见的分布式网络通信协议。RPC 允许运行与一台机器的程序调用另一台机器的子程序，同时将网络细节屏蔽起来，大大简化了分布式程序的开发。

Hadoop RPC 简介

Hadoop 实现了自己的 RPC 通信协议，是上层分布式子系统（HDFS、MapReduce、HBase 等）公用的网络通信模块。Hadoop RPC 具有以下特点：

Hadoop RPC 架构

Hadoop RPC 与其他 RPC 框架一样主要由四个部分组成：序列化层、函数调用层、网络传输层、服务端处理框架。

Hadoop RPC 总体架构如图，自下而上分为两层：第一层是基于 Java NIO 实现的 Client/Server 通信模型；第二层是供上层应用调用的 RPC 接口。

Hadoop RPC

Hadoop RPC 使用

首先定义 RPC 协议，RPC 协议是客户端和服务端的通信接口，定义了服务器端对外提供的服务接口。

interface ClientProtocol extends org.apache.hadoop.ipc.VersionedProtocol {
    // 版本号，默认情况下不通版本号的 Client 和 Server 不能通信
    public static final long versionId = 1L;
    String echo(String value) throws IOException;
    int add(int v1, int v2) throwd IOException;
}

实现 RPC 协议，Hadoop RPC 协议通常是一个 Java 接口。

public static class ClientProtocolImpl implemenets ClientProtocol {
    public long getProtocolVersion(String protocol,
                                   long clientVersion) throws IOException {
        return ClientProtocol.versionId;
    }
    
    public String echo(String value) throws IOException {
        return value;
    }
    public int add(int v1, int v2) throwd IOException {
        return v1 + v2;
    }
}

构造并启动 RPC Server，使用 getServer() 方法构造 RPC Server，并启动

// serverHost 和 serverPort 表示服务器的 host 和端口
// numHandlers 表示服务器端处理请求的线程数
server = RPC.getServer(new ClientProtocolImpl(), serverHost, serverPort,
    numHandlers, false, conf);
    
server.start();

构造 RPC CLient，并发送 RPC 请求。使用 getProxy() 方法构造客户端代理，通过代理对象调用远程服务器端方法

proxy = (ClientProtocol) RPC.getProxy(ClientProtocol.class, new ClientProtocolImpl(),
    ClientProtocol.versionId, addr, conf);

int result = proxy.add(5, 6);
String echoResult = proxy.echo("hello");

经过上面四个步骤，便利用 Hadoop RPC 构建了一个简单的 Client/Server 网络模型。

深入理解 Hadoop RPC

Hadoop RPC 主要由三个类组成：RPC、Client、Server，分别对应接口、客户端实现、服务器端实现。

ipc.RPC

RPC 类是对底层客户机/服务器网络模型的封装，以便为开发人员提供方便简洁的编程接口。

RPC 类定义了一个内部类 RPC.Server，继承 Server 抽象，并利用反射机制实现了 call 接口。RPC 类包含一个 ClientCache 类型的成员根据用户提供的 SocketFactory 缓存 Client（重用 Client）。

ipc.RPC

与本地执行反射调用不通的是，RPC 函数调用时（执行 invock 方法），需要将函数调用信息（函数名、参数列表等）打包成可序列化对象 Invocation，通过网络发送给服务器端，服务器端接收到后，根据这些信息在利用反射机制完成函数调用。

ipc.Client

Client 类主要完成的功能是发送远程过程调用信息，并接收执行结果。Client 类内部有两个重要的类：Call 和 Connection。

Call 封装了一个 RPC 请求，包含唯一标识Id、函数调用信息、函数返回信息、错误信息、执行完成标识。Connection 封装了 Client 与每个 Server 之前的连接信息。包括通信连接唯一标识RemoteId、Socket、网络输入输出数据流、RPC请求等。

ipc.Client

ipc.Server

Hadoop 采用 Master/Slave 结构，Master（NameNode、JobTracker）是整个系统的单点，是系统的性能和扩展瓶颈之一。Master 通过 ipc.Server 接收并处理所有 Slave 发送的请求，这要求 ipc.Server 将高并发和可扩展性作为设计目标。

ipc.Server 采用了多种提高并发处理能力的技术，包括：线程池、事件驱动和 Reactor 设计模式等。均采用 JDK 自带的库实现。下面着重介绍 Reactor 设计模式如何提高整体性能。

Reactor 是并发编程中一种基于事件驱动的设计模式，具有以下两个特点：

  1. 通过派发、分离I/O操作事件提高系统的并发性能
  2. 提高粗粒度的并发控制，单线程实现，避免复杂的同步处理

典型的 Reactor 实现原理图如下：

Reactor

主要包括以下几个角色：

ipc.Server 实现了一个典型的 Reactor 模式，整体架构基本与上述一致。ipc.Server 被划分为三个阶段：接收请求、处理请求和返回结果

ipc.Server

接收请求

接收来自各个客户端的请求，封装为 Call 对象，放入共享队列（callQueue）。其中 Listener 负责监听请求，整个 Server 只有一个 Listener。一旦有新的请求到达，会轮询的方式从线程池中选择一个 Reader 处理。Selector 对象负责监听相关事件。

处理请求

从共享队列中获取 Call 对象，执行对应的函数调用，由多个 Handler 并行完成。Handler 会尝试将结果返回给客户端，但是考虑到某些函数调用返回的结果很大或网络慢等原因，可能很难一次性将结果发送到客户端，Handler 会尝试将后续发送任务交给 Responder 处理。

返回结果

Server 端只有一个 Responder，负责处理 Handler 的结果返回给客户端，Selector 对象负责监听相关事件。

Hadoop RPC 参数

Hadoop RPC 提供了一些可配置参数：

参数 说明
ipc.server.read.threadpool.size Reader 线程数
默认值：1
ipc.server.handler.queue.size 每个 Handler 对应最大 Call 数量，会影响 Call 队列长度
默认值：100
mapred.job.tracker.handler.count
dfs.namenode.service.handler.count		 JobTracker 和 NameNode 中 Handler 数量
默认值：10
ipc.client.connect.max.retries 客户端最大重试次数，间隔1s
默认值：10

《Hadoop技术内幕：深入解析MapReduce架构设计与实现原理》

上一篇下一篇

猜你喜欢

热点阅读