Drill-on-YARN之部署

时间 2019-11-08

标签 drill yarn 部署栏目 Hadoop 繁體版

原文原文链接

1. 概要

Drill是Apache旗下的一个开源SQL查询引擎，可用于探索大数据。它的设计初衷是为了支持对大数据的高性能分析，同时支持行业标准查询语言ANSI SQL。html

在Drill 1.13以前，Drill只支持独立集群部署，部署成功后每一个节点上会运行一个名为Dirllbit的守护进程。从1.13版本开始，Drill支持与YARN集成来管理资源。使用YARN后，Drill将成为一个运行在YARN上的长进程。当您启动Drill时，YARN会自动将Drill软件部署到每一个节点上，避免了在每一个节点上安装Drill的繁琐。除此以外，资源管理也会获得简化，由于YARN对于Drill使用的资源是敏感的。java

目前全部YARN发行版都提供了内存和CPU（YARN称为“vcores”）的设置，某些发行版还提供磁盘的设置。对于内存，在把Drill部署在YARN上的时候，你会配置Drill要使用的内存，然告知YARN。此外，Drill将使用全部可用的磁盘和CPU，固然能够启用Linux cgroup来限制Drill对CPU使用的，以到匹配YARN的vcores分配。node

为了方便讲解在YARN下部署Drill，先简单介绍YARN的核心概念。web

2. YARN核心概念

YARN全称是Yet Another Resource Negotiator（另外一种资源协调者），是一种新的Hadoop资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度。apache

2.1 核心组件

ResurceManager(RM)：一个全局的资源管理器,负责整个系统的资源管理和分配。它主要由两个组件构成：调度器（Scheduler）和应用程序管理器（Applications Manager，ASM）。
ApplicationMaster(AM)：用户提交的每一个应用程序均包含一个AM，主要功能包括
- 与RM调度器协商以获取资源（以Container表示）
- 与NM通讯以启动/中止任务
- 监控全部任务运行状态，并在任务失败时从新为任务申请资源以重启任务
Container ：Container是YARN中的资源抽象，它封装了某个节点上的多维资源，如CPU、内存、磁盘、络等。当AM向RM申请资源时，RM向AM返回的资源即是用Container表示的。YARN会为每一个任务分配一个Container，且该任务只能使用该Container中描述的资源。Container是一个动态资源划分单位，是根据应用程序的需求自动生成的。
NodeManager(NM) ：NM是每一个节点上的资源和任务管理器。一方面，它定时地向RM汇报本节点的资源使用状况和Container运行状态；另外一方面，它接受并处理来自AM的Container启动/中止等各类请求。
客户端（Client）：是集群中一个能向RM提交应用的实例，而且指定了执行应用所须要的AM类型。

2.2 YARN工做流程

当用户向YARN中提交一个任务后，YARN将分两个阶段运行该任务：第一阶段是启动AM。第二阶段是由AM建立任务，为它申请资源，并监控它的整个运行过程，直到运行完成。具体以下：json

用户向YARN中提交任务，其中包括AM程序、启动AM的命令等。
RM为该应用程序分配第一个Container，一般称为001，并与对应的NM通讯，要求它在这个Container中启动应用程序的AM。
AM首先RM注册，这样用户就能够直接经过RM查看任务的运行状态，而后它将为各个任务申请资源，并监控它的运行状态，直到运行结束，即重复步骤4~7。
AM采用轮询的方式经过RPC协议向RM申请和领取资源。
一旦AM申请到资源后，便与对应的NM通讯，要求它启动任务。
NM为任务设置好运行环境（包括环境变量、JAR包、二进制程序等）后，将任务启动命令写到一个脚本中，并经过运行该脚本启动任务。
各个任务经过RPC协议向AM汇报本身的状态和进度，以让AM随时掌握各个任务的运行状态，从而能够在任务失败时从新启动任务。
应用程序运行完成后，AM向RM注销并关闭本身。

2.3 如何编写YARN应用程序

编写客户端

初始化并启动一个YarnClient

// 初始化并启动一个YarnClient
Configuration yarnConfig = new YarnConfiguration(getConf());
YarnClient client = YarnClient.createYarnClient();
client.init(yarnConfig);
client.start();
...

建立一个应用程序

// 建立一个应用程序
YarnClientApplication app = client.createApplication();
GetNewApplicationResponse appResponse = app.getNewApplicationResponse();
...

设置上下文

// 设置应用程序提交上下文
ApplicationSubmissionContext appContext = app.getApplicationSubmissionContext();
appContext.setApplicationId(appResponse.getApplicationId());
appContext.setApplicationName(config.getProperty("app.name"));
appContext.setApplicationType(config.getProperty("app.type"));
...
// 设置am container启动上下文 
ContainerLaunchContext amContainer = Records.newRecord(ContainerLaunchContext.class);
amContainer.setLocalResources(amLocalResources);
amContainer.setEnvironment(amEnvironment);
amContainer.setCommands(Collections.singletonList(amCommand.toString()));
...

提交应用程序

// 提交应用程序
client.submitApplication(appContext);

编写ApplicationMaster(AM)

初始化AMRMClient，有同步和异步可选

// 初始化AMRMClientAsync
YarnConfiguration yarnConfig = new YarnConfiguration();
AMRMClientAsync amrmClientAsync = AMRMClientAsync.createAMRMClientAsync(5000, new AMRMCallbackHandler());
amrmClientAsync.init(yarnConfig);
amrmClientAsync.start();

初始化NMClient，有同步和异步可选

// 初始化NMClientAsync
YarnConfiguration yarnConfig = new YarnConfiguration();
NMClientAsync nmClientAsync = NMClientAsync.createNMClientAsync(new NMCallbackHandler());
nmClientAsync.init(yarnConfig);
nmClientAsync.start();

注册ApplicationMaster(AM)

// 注册ApplicationMaster(AM)
amrmClientAsync.registerApplicationMaster(thisHostName, 0, "");
...

添加ContainerRequest

// 添加ContainerRequest
amrmClientAsync.addContainerRequest(containerRequest);
...

启动容器

// 启动容器
nmClientAsync.startContainerAsync(container, containerContext);
...

注销

// 注销
amrmClientAsync.unregisterApplicationMaster(appStatus, appMessage, null);

这里只是简单介绍了YARN的概念，以及如何编写YARN应用程序，详情能够参考Apache Hadoop YARN安全

3. Drill-on-YARN部署

3.1 Drill-on-YARN组件

Drill发行包： Drill-on-YARN上传此发行包至分布式文件系统（如HDFS）。YARN下载它到每一个工做节点（便是Node Manager所在的节点）
Drill site目录： 一个包含Drill配置问和自定义jar包的目录。Drill-on-YARN会拷贝它至每一个工做节点
**配置：**一个用于告知Drill-on-YARN如何管理Drill集群的配置文件。这个文件和drill自己的配置文件互相独立
Drill-on-YARN client： Drill-on-YARN客户端，提供了启动、中止、监控等命令
**Drill Application Master (AM)：**用于和YARN交互，包括：请求资源、启动Drillbits等。AM还提供了web界面用于管理Drill集群
Drillbit： 运行在每一个节点的Drill守护进程

3.2. 部署步骤

YARN经过客户端来启动应用程序。对于Drill来讲，就是Drill-on-YARN客户端了。客户端能够在任何机器上，只要该机器同时有Drill和Hadoop软件。使用YARN部署Drill时，您只须要在客户端计算机上安装Drill，Drill-on-YARN会自动部署到其它节点。须要注意的是，当你不使用YARN部署Drill时，通常会将其配置文件和自定义代码放在Drill的目录中，可是在YARN下运行时，建议全部配置和自定义代码都会放在一个名为site的目录中，勿改变Drill目录中的任何内容。bash

接下来详细说明部署步骤：app

部署的环境运维
- JDK8+
- Zookeeper集群
- Hadoop集群
关于jdk、zookeeper、hadoop的部署，不作赘述了，记得设置JAVA_HOME、HADOOP_HOME
建立一个目录，用于放置下载好的Drill发行包
```
export DRILL_DIR=/path/to/drill
mkdir -p $DRILL_DIR
cd $DRILL_DIR
```
说明：执行完上面的命令后，所处的目录为/path/to/drill
下载Drill发行包，这里使用apache-drill-1.14.0.tar.gz，下载完后解压，再次强调，目前所处的目录为/path/to/drill
```
export DRILL_NAME=apache-drill-1.14.0
tar -xzf $DRILL_NAME.tar.gz
export DRILL_HOME=$DRILL_DIR/$DRILL_NAME
```
说明：DRILL_NAME很重要，后面启动的时候和名字有关系
建立site目录，并把配置文件和自定义代码放置在其中
```
export DRILL_SITE=$DRILL_DIR/site
mkdir -p $DRILL_SITE
cp $DRILL_HOME/conf/drill-override-example.conf $DRILL_SITE/drill-override.conf
cp $DRILL_HOME/conf/drill-on-yarn-example.conf $DRILL_SITE/drill-on-yarn.conf
cp $DRILL_HOME/conf/drillenv.sh $DRILL_SITE
```
说明：
- 对于自定义代码，通常都是打成jar包，放置在$DRILL_SITE/jars。好比自定义的udf，能够放在$DRILL_SITE/jars/3rdparty
- 不要拷贝drill-override-example.conf整个文件，仅仅拷贝须要的配置，而后进行修改

修改$DRILL_SITE/drill-override.conf 通常状况下，可能须要修改的配置有：cluster-id、zk、http、rpc。此处，我只修改cluster-id和zk

drill.exec: {
  cluster-id: "drillbits1"
  zk: {
	connect: "11.167.47.76:2181,11.167.57.229:2181,11.167.67.151:2181",
	root: "drill",
	refresh: 500,
	timeout: 5000,
  	retry: {
  	  count: 7200,
  	  delay: 500
  	}
  }
}

修改$DRILL_SITE/drill-on-yarn.conf

# Drillbit资源配置
drillbit: {
    heap: "4G" # Java heap size
    max-direct-memory: "8G"
    memory-mb: 12288 # 单位MB，container使用的内存，通常来讲等于heap+max-direct-memory，可是建议大于这个值
    vcores: 4 # cpu个数
}
# Drillbit集群组配置
cluster: [
    {
        name: "mypool"
        type: "basic" # 可选的有basic和labeled，basic表示在YARN集群上任意可用的container上启动drillbits；labeled在一组特定labeled的容器中启动drillbits
        count: 1 # 启动的YARN容器个数
    }
] 
# 配置drill发行包所在的位置
drill-install:  {
    client-path: "/path/to/drill/apache-drill-1.14.0.tar.gz"
    # dir-name: "drill"
}
# 设置分布式文件系统位置
dfs: {
    connection: "hdfs://ip:port/"
    dir: "/user/drill"
}  
# Drill-on-YARN Web界面配置
drill.yarn:{
    http: {
        port: 8048
    }
}  
# Drill-on-YARN Web界面安全配置
drill.yarn.http: {
    auth-type: "simple"
    user-name: "drill" // 注意，drill-on-yan-example.conf默认是user_name，这是错误的，要改为user-name
    password: "drill"
}

说明：

关于Drillbit资源配置中的heap和max-direct-memory，在非YARN下部署，是修改$DRILL_HOME/conf/drillenv.sh文件，可是在YARN下部署，是修改$DRILL_SITE/drill-on-yarn.conf。可是，若是你已经在drillenv.sh配置了，则drillenv.sh优先。
Drillbit集群组配置，虽然是个list，但目前只支持配置一个
dir-name特别说明，当你client-path解压出来的文件，目录是apache-drill-1.14.0时，不须要配置dir-name，反之若是不是，请把解压出来的文件目录名配上
Web界面安全配置的auth-type支持simple和drill两种，使用simple，须要指定用户名和密码，使用drill说明用drill的认证系统

附上完整的配置

drill.yarn: {
  app-name: "Drill-on-YARN"

  dfs: {
    connection: "hdfs://11.162.91.196:9000/"
    app-dir: "/users/drill"
  }

  yarn: {
    queue: "default"
  }

  drill-install: {
    client-path: "/home/admin/drill/apache-drill-1.14.0.tar.gz"
    # dir-name: "drill"
    # library-path: "/opt/libs"
  }

  am: {
    heap: "450M"
    memory-mb: 512
    # node-label-expr: "drill-am"
  }

  http: {
    port: 8048
    # ssl-enabled: true
    auth-type: "simple"
    user-ame: "drill"
    password: "drill"
    rest-key=""
  }

  drillbit: {
    heap: "3G"
    max-direct-memory: "1G"
    code-cache: "1G"
    memory-mb: 4096
    vcores: 2
    # disks: 3
    classpath: ""
  }

  cluster: [
    {
      name: "drill-group1"
      type: "basic"
      count: 3
    }
  ]
}

启动

$DRILL_HOME/bin/drill-on-yarn.sh --site $DRILL_SITE start

接下来，就会看到启动日志

Connecting to DFS... Connected.
Using existing Drill archive in DFS: /users/drill/apache-drill-1.14.0.tar.gz
Uploading site directory /home/admin/drill/apache-drill-1.14.0/bin/../../site to /users/drill/site.tar.gz ... Uploaded.
Loading YARN Config... Loaded.
Application ID: application_1533475543014_0005
Launching Drill-on-YARN.......................
Tracking URL: http://dtshow011162091196.zth:8088/proxy/application_1533475543014_0005/
Application Master URL: http://11.163.210.105:8048/

从上面的命令能够看到，会首先把apache-drill-1.14.0.tar.gz和site目录打成的site.tar.gz上传至HDFS，而后加载YARN的配置，最后启动Drill

除了启动命令外，drill-on-yarn.sh还提供了status、stop、resize、clean命令，好比status

Application ID: application_1533475543014_0005
Application State: RUNNING
Host: dtshow011163210105.zth/11.163.210.105
Queue: default
User: admin
Start Time: 2018-08-19 20:51:55
Application Name: Drill-on-YARN
Tracking URL: http://dtshow011162091196.zth:8088/proxy/application_1533475543014_0005/
AM State: LIVE
Target Drillbit Count: 3
Live Drillbit Count: 3
Unmanaged Drillbit Count: 0
Blacklisted Node Count: 0
Free Node Count: 0
For more information, visit: http://11.163.210.105:8048/

启动成功后，即可以访问http://11.163.210.105:8048/，效果以下图：

用户名和密码就是以前配置的drill、drill，除此以外，此页面提供了以下功能：

集群状态总览
完整的启动配置
正在运行的Drillbits列表
简单的操做来调整集群
一个展现中止的、被kill的、失败的Drillbits历史页面，能够用它来诊断问题

至此，你已经成功的把Drill部署在YARN上面了，一样能够经过访问Drill的Web UI来执行查询测试，效果以下图：

4. 总结

相对于独立集群部署，Drill-on-YARN简化了Drill的部署，此外也容易升级和对新功能测试。其次，YARN做为资源协调者，也相对简化了Drill的资源管理，由于在启动Drill时，YARN已经知道Drill可能会使用的资源，后续有其余任务提交到YARN集群时，会对Drill的这部分资源比较敏感，防止过分分配给其余的任务。