今天,字節(jié)跳動宣布,正式開源 Cloud Shuffle Service。
Cloud Shuffle Service(以下簡稱CSS) 是字節(jié)自研的通用 Remote Shuffle Service 框架,支持 Spark/FlinkBatch/MapReduce 等計算引擎,提供了相比原生方案穩(wěn)定性更好、性能更高、更彈性的數(shù)據(jù) Shuffle 能力,同時也為存算分離/在離線混部等場景提供了 Remote Shuffle 解決方案。
目前,CSS 已在 Github 上開源,歡迎感興趣的同學(xué)一起參與共建!
開源背景
在大數(shù)據(jù)計算引擎中,Pull-Based Sort Shuffle 是一種常見的 Shuffle 方案,比如 Spark/MapReduce/FlinkBatch (高于1.15版本)等都將 Sort Shuffle 作為引擎默認(rèn)方案,但是 Sort Shuffle 實現(xiàn)機制有一定的缺陷,在大規(guī)模生產(chǎn)環(huán)境下經(jīng)常因為 Shuffle 問題影響作業(yè)穩(wěn)定性。
以 Spark 的 Sort Shuffle 為例:
如上圖所示鏈路,Sort Shuffle 會存在以下一些問題:
將多個 Spill 文件合并成一個文件,會額外消耗讀寫 IO;
假設(shè)有 m 個 MapTask & n 個 ReduceTask,會產(chǎn)生 m*n 個網(wǎng)絡(luò)鏈接,當(dāng)數(shù)量特別多時:
大量的網(wǎng)絡(luò)請求會導(dǎo)致 Shuffle Service 容易形成積壓;
Shuffle Service 會產(chǎn)生大量的隨機讀取,容易導(dǎo)致 IO 瓶頸,特別是 HDD 集群;
Shuffle Service 無法做到 Application 的資源隔離,當(dāng)有一個異常作業(yè)時,可能會影響同一個 Shuffle Service 節(jié)點上其它所有作業(yè),問題容易放大;
MapTask 生成的 Shuffle Data File 只存儲一份到本地,當(dāng)磁盤壞了也會導(dǎo)致數(shù)據(jù)丟失,同樣引起 FetchFailed 問題;
Shuffle Data File 寫到本地磁盤的方式,依賴計算節(jié)點上的磁盤,無法做到存算分離
這些都很容易導(dǎo)致 ShuffleRead 慢或者超時,引起 FetchFailed 相關(guān)錯誤,嚴(yán)重影響線上作業(yè)的穩(wěn)定性,ShuffleRead 慢也會大大降低資源利用率(CPU&Memory),同時 FetchFailed 也會導(dǎo)致 Stage 中相關(guān) Task 重算,浪費大量資源,拖慢整個集群作業(yè)運行;無法存算分離的架構(gòu),在在離線混部(在線資源磁盤不足)/Serverless 云原生等場景下,也很難滿足要求。字節(jié)跳動使用 Spark 作為主要的離線大數(shù)據(jù)處理引擎,每天線上運行作業(yè)數(shù)過百萬,日均 Shuffle 量 300+PB。在 HDFS 混部&在離線混部等場景,Spark 作業(yè)的穩(wěn)定性經(jīng)常無法得到保障,影響業(yè)務(wù) SLA:
受限 HDD 磁盤 IO 能力/磁盤壞等情況,導(dǎo)致大量的 Shuffle FetchFailed 引起的作業(yè)慢/失敗/Stage 重算等問題,影響穩(wěn)定性&資源利用率
External Shuffle Service (以下簡稱ESS) 存算無法分離,遇到磁盤容量低的機器經(jīng)常出現(xiàn)磁盤打滿影響作業(yè)運行
在此背景下,字節(jié)跳動自研了 CSS,用來解決 Spark 原生 ESS 方案的痛點問題。自 CSS 在內(nèi)部上線一年半以來,當(dāng)前線上節(jié)點數(shù) 1500+,日均 Shuffle 量 20+PB,大大提高了 Spark 作業(yè)的 Shuffle 穩(wěn)定性,保障了業(yè)務(wù)的 SLA。
Cloud Shuffle Service 介紹
CSS 是字節(jié)自研的 Push-Based Shuffle Service,所有 MapTask 通過 Push 的方式將同一個 Partition 的 Shuffle 數(shù)據(jù)發(fā)送給同一個 CSS Worker 節(jié)點進(jìn)行存儲,ReduceTask 直接從該節(jié)點通過 CSS Worker 順序讀取該 Partition 的數(shù)據(jù),相對于 ESS 的隨機讀取,順序讀的 IO 效率大大提升。
CSS 架構(gòu)
Cloud Shuffle Service(CSS) 架構(gòu)圖CSS Cluster 是獨立部署的 Shuffle Service 服務(wù),主要涉及的組件為:
CSS Worker
CSS Worker 啟動后會向 ZooKeeper 節(jié)點注冊節(jié)點信息,它提供 Push/Fetch 兩種服務(wù)請求,Push 服務(wù)接受來自 MapTask 的 Push 數(shù)據(jù)請求,并將同一個 Partition 的數(shù)據(jù)寫到同一個文件;Fetch 服務(wù)接受來自 ReduceTask 的 Fetch 數(shù)據(jù)請求,讀取對應(yīng) Partition 數(shù)據(jù)文件返回;CSS Worker還負(fù)責(zé) Shuffle 數(shù)據(jù)清理的工作,當(dāng) Driver 進(jìn)行 UnregisterShuffle 請求刪除 ZooKeeper 對應(yīng) ShuffleId 的 Znode 時,或者 Application 結(jié)束刪除 ZooKeeper 中 ApplicationId 的 Znode 時,CSS Workers 會 Watch 相關(guān)事件對 Shuffle 數(shù)據(jù)進(jìn)行清理。
CSS Master
作業(yè)啟動后會在 Spark Driver 中啟動 CSS Master,CSS Master 會從 ZooKeeper 中獲取到 CSS Worker 的節(jié)點列表,然后為后續(xù) MapTask 產(chǎn)生的各個 Partition 分配 n 個副本(默認(rèn)為2)的 CSS Worker 節(jié)點,并對這些 Meta 信息進(jìn)行管理,供 ReduceTask 獲取 PartitionId 所在的 CSS Worker 節(jié)點進(jìn)行拉取,同時在 RegisterShuffle/UnregisterShuffle 過程中會在 ZooKeeper 中創(chuàng)建對應(yīng)的 ApplicationId/ShuffleId 的 Znode,CSS Worker 會 Watch Delete 事件對 Shuffle 數(shù)據(jù)進(jìn)行清理。
ZooKeeper
如前描述,用來存儲 CSS Worker 節(jié)點信息以及 ShuffleId 等信息。
CSS 特性
多引擎支持
CSS除了支持 Spark(2.x&3.x) 之外,也可以接入其他引擎,目前在字節(jié)跳動內(nèi)部,CSS 還接入了 MapReduce/FlinkBatch 引擎。
PartitionGroup 支持
為了解決單個 Partition 太小,Push 效率比較低的問題,實際會將多個連續(xù)的 Partition 組合成更大的 PartitionGroup進(jìn)行 Push。
高效統(tǒng)一的內(nèi)存管理
跟 ESS 類似,MapTask 中的 CSS Buffer 將所有 Partition 的數(shù)據(jù)都存儲在一起,在 Spill 之前會對數(shù)據(jù)按照 PartitionId 進(jìn)行排序,然后按照 PartitionGroup 維度進(jìn)行數(shù)據(jù)推送;同時 CSS Buffer 完全納入 Spark 的 UnifiedMemoryManager 內(nèi)存管理體系,內(nèi)存相關(guān)參數(shù)由 Spark 統(tǒng)一管理。
容錯處理
Push 失敗:當(dāng)觸發(fā) Spill 進(jìn)行 Push PartitionGroup 數(shù)據(jù)時,每次 Push 的數(shù)據(jù)大小為 4MB(一個Batch),當(dāng)某次 Push batch 失敗時,并不影響之前已經(jīng) Push 成功的數(shù)據(jù),只需要重新分配節(jié)點(Reallocate)繼續(xù) Push 當(dāng)前失敗的數(shù)據(jù)以及后續(xù)還未 Push 的數(shù)據(jù),后續(xù) ReduceTask 會從新老節(jié)點讀取完整的 Partition 數(shù)據(jù);多副本存儲:ReduceTask 從 CSS Worker 讀取某個 Partition 數(shù)據(jù)是按照 Batch 粒度進(jìn)行拉取的,當(dāng) CSS Worker 異常(如網(wǎng)絡(luò)問題/磁盤壞等)導(dǎo)致無法獲取該 Batch 數(shù)據(jù),可以繼續(xù)選擇另外一個副本節(jié)點繼續(xù)讀取該 Batch 以及后續(xù) Batch 的數(shù)據(jù);數(shù)據(jù)去重:當(dāng)作業(yè)開啟 Speculative 推測執(zhí)行會有多個 AttempTask 并發(fā)跑,需要在讀取的時候進(jìn)行去重。在 Push Batch 的時候,會給 Batch 數(shù)據(jù)加上 Header 信息,Header 信息中包含 MapId + AttempId + BatchId 等信息,ReduceTask 讀取時可以根據(jù)這些 ID 信息進(jìn)行去重。
Adaptive Query Execution(AQE) 適配
CSS 完整支持 AQE 相關(guān)的功能,包括動態(tài)調(diào)整 Reduce 個數(shù)/ SkewJoin 優(yōu)化/Join 策略優(yōu)化。對于SkewJoin,CSS做了更多的適配優(yōu)化工作,解決了 Skew Partition 數(shù)據(jù)被多個 ReduceTask 重復(fù)讀取問題,大大提高了性能。
CSS 性能測試
我們將 CSS 與開源的 ESS 使用獨占 Label 計算資源進(jìn)行 1TB 的 TPC-DS Benchmark 測試對比,整體端到端的性能提升15%左右,部分 Query 有30%以上的性能提升。同時我們也使用線上混部資源隊列(ESS 穩(wěn)定較差)進(jìn)行 1TB 的 TPC-DS Benchmark 測試對比,整體端到端性能提升4倍左右。
CSS 1TB 測試提升 30% 以上的 Query
未來規(guī)劃
CSS 目前開源了部分 Feature,還有一些 Feature & 優(yōu)化后續(xù)會陸續(xù)開放:
支持 MapReduce/FlinkBatch 引擎;
CSS 集群增加 ClusterManager 服務(wù)角色,管理 CSS Worker 的狀態(tài)&負(fù)載信息,同時將當(dāng)前 CSS Master 分配 CSS Worker 的功能提到 ClusterManager;
基于異構(gòu)機器(如磁盤能力不同)/負(fù)載 等維度的 CSS Worker 分配策略。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。