《云计算》学习笔记2——Google的云计算原理与应用(GFS和MapReduce)

转载 2015年07月09日 15:42:37
Google业务Ø全球最大搜索引擎、Google Maps、Google Earth、Gmail、YouTube等——特点:数据量庞大、面向全球用户提供实时服务

Google云计算平台技术架构

¢文件存储,Google Distributed File System,GFS

¢并行数据处理MapReduce

¢分布式锁Chubby

¢分布式结构化数据表BigTable

¢分布式存储系统Megastore

¢分布式监控系统Dapper

一、Google文件系统GFS

分三大块来讲的,系统架构、容错机制、系统管理技术

1、系统架构

Client客户端):应用程序的访问接口

Master(主服务器):管理节点,在逻辑上只有一个,保存系统的元数据,负责整个文件系统的管理

ChunkServer(数据块服务器):负责具体的存储工作。数据以文件的形式存储在ChunkServer上

关于上面的架构图之前看到过一篇博客,上面对其机架感知(Rack Awareness)机制有一个简单的表示,很可惜博客竟未找到,大致是:

对于Rack Awareness——Rack1:Chunk1 、Chunk4、Chunk7……Rack n:Chunk2、Chunk 5、Chunk6……

而对于ns:file——Chunk1、Chunk2……

这样,两者一结合,查找文件块、甚至对相对的查找的优化等比较方便

GFS特点:

采用中心服务器模式

u可以方便地增加Chunk Server

u Master掌握系统内所有Chunk Server的情况,方便进行负载均衡

u不存在元数据的一致性问题

不缓存数据

˜文件操作大部分是流式读写,不存在大量重复读写,使用Cache对性能提高不大

˜ Chunk Server上数据存取使用本地文件系统,若读取频繁,系统具有Cache

˜从可行性看,Cache与实际数据的一致性维护也极其复杂

在用户态下实现

    ¨利用POSIX编程接口存取数据降低了实现难度,提高通用性 

    ¨POSIX接口提供功能更丰富

    ¨用户态下有多种调试工具

    ¨Master和Chunk Server都以进程方式运行,单个进程不影响整个操作系统

    ¨GFS和操作系统运行在不同的空间,两者耦合性降低

只提供专用接口

    ¢降低实现的难度

    ¢对应用提供一些特殊支持

    ¢降低复杂度

2、容错机制

Master容错

Name Space,文件系统目录结构 

Chunk与文件名的映射

Chunk副本的位置信息(默认有三个副本) 

单个Master,对于前两种元数据,GFS通过操作日志来提供容错功能

第三种元数据信息保存在各个ChunkServer上,Master故障时,磁盘恢复

GFS还提供了Master远程的实时备份,防止Master彻底死机的情况

Chunk Server容错

u采用副本方式实现Chunk Server容错

¨每一个Chunk有多个存储副本(默认为三个),分布存储在不同的Chunk Server上用户态的GFS不会影响Chunk Ser

ver的稳定性

¨副本的分布策略需要考虑多种因素,如网络的拓扑、机架的分布、磁盘的利用率等

¨对于每一个Chunk,必须将所有的副本全部写入成功,才视为成功写入 


尽管一份数据需要存储三份,好像磁盘空间的利用率不高,但综合比较多种因素,加之磁盘的成本不断下降,采用副本

无疑是最简单、最可靠、最有效,而且实现的难度也最小的一种方法


¨ GFS中的每一个文件被划分成多个Chunk,Chunk的默认大小是64MB


¨Chunk Server存储的是Chunk的副本,副本以文件的形式进行存储

¨ 每个Chunk又划分为若干Block(64KB),每个Block对应一个32bit的校验码,保证数据正确(若某个Block错误,

则转移至其他Chunk副本)


系统管理技术

二、分布式数据处理MapReduce



1、产生背景



MapReduce

Ø一种处理海量数据的并行编程模式,用于大规模数据集(通常大于1TB)的并行运算。


Ø“Map(映射)”、“Reduce(化简)”的概念和主要思想,都是从函数式编程语言(


适合于结构化和非结构化的海量


数据的搜索、挖掘、分析与机器智能学习等)和矢量编程语言借鉴 

u计算问题简单,但求解困难

   待处理数据量巨大(PB级),只有分布在成百上千个节点上并行计算才能在可接受的时间内完成

    如何进行并行分布式计算?

   如何分发待处理数据?

   –如何处理分布式计算中的错误?

JefferyDean设计一个新的抽象模型,封装并行处理、容错处理、本地化计算、负载均衡的细节,还提供了一个简单而强大的

接口

这就是MapReduce

2、编程模型

怎么用MapReduce计算一个大型文本文件中各单词出现次数?Map的输入参数指明了需要处理哪部分数据,以<在文本中的起始位置,需要处理的数据长度>表示,经过Map

处理,形成一批中间结果<单词,出现次数>。而Reduce函数处理中间结果,将相同单词出现的次数进行累加,


得到每个单词总的出现次数3、实现机制


操作过程

(1)输入文件分成M块,每块大概16M~64MB(可以通过参数决定),接着在集群的机器上执行分派处理程序

 

 (2)M个Map任务和R个Reduce任务需要分派,Master选择空闲Worker来分配这些Map或Reduce任务

 (3)Worker读取并处理相关输入块,Map函数产生的中间结果<key,value>对暂时缓冲到内存

 (4)中间结果定时写到本地硬盘,分区函数将其分成R个区。中间结果在本地硬盘的位置信息将被发送回Master,然后Maste

r负责把这些位置信息传送给ReduceWorker 

(5)当Master通知执行Reduce的Worker关于中间<key,value>对的位置时,它调用远程过程,从MapWorker的本地硬盘上读取

缓冲的中间数据。当Reduce Worker读到所有的中间数据,它就使用中间key进行排序,这样可使相同key的值都在一起

(6)Reduce Worker根据每一个唯一中间key来遍历所有的排序后的中间数据,并且把key和相关的中间结果值集合传递给用户

定义的Reduce函数。Reduce函数的结果写到一个最终的输出文件

 

(7)当所有的Map任务和Reduce任务都完成的时候,Master激活用户程序。此时MapReduce返回用户程序的调用点个区

本地硬盘的位置信息将被发送回Master,然后Master负责把这些位置信息传送给ReduceWorker
 
案例分析假设有一批海量的数据,每个数据都是由26个字母组成的字符串,原始的数据集合是完全无序的,怎样通过MapReduce完成

排序工作,使其有序(字典序)呢? ——排序通常用于衡量分布式数据处理框架的数据处理能力










相关文章推荐

《云计算》学习笔记2——Google的云计算原理与应用(GFS和MapReduce)

关于此系列博客,到底将其归哪一类,倒着实伤脑筋。首先,原创肯定不能算,因为本人是根据《云计算》配套PPT而来的,个人觉得上面已经很经典、精简了,其道理既讲清了,也直接有现实例子,个人再去自己在上面发挥...

Sam版Matlab粒子群PSO工具已经更新

显著亮点感兴趣的同学最好先去 Mathworks文件交换站原始链接 阅读一下作者的说明和以往的一些尤其是作者有答复的讨论。——特别说明的是,我通常没有免费的时间(free time)解答跟工具箱使用类...

台湾大学林轩田机器学习基石课程学习笔记3 -- Types of Learning

上节课我们主要介绍了解决线性分类问题的一个简单的方法:PLA。PLA能够在平面中选择一条直线将样本数据完全正确分类。而对于线性不可分的情况,可以使用Pocket Algorithm来处理。本节课将主要...

《云计算》学习笔记2——Google的云计算原理与应用(GFS和MapReduce)

关于此系列博客,到底将其归哪一类,倒着实伤脑筋。首先,原创肯定不能算,因为本人是根据《云计算》配套PPT而来的,个人觉得上面已经很经典、精简了,其道理既讲清了,也直接有现实例子,个人再去自己在上面发挥...

《云计算》学习笔记2——Google的云计算原理与应用(GFS和MapReduce)

关于此系列博客,到底将其归哪一类,倒着实伤脑筋。首先,原创肯定不能算,因为本人是根据《云计算》配套PPT而来的,个人觉得上面已经很经典、精简了,其道理既讲清了,也直接有现实例子,个人再去自己在上面发挥...

云计算核心技术剖析学习笔记_2

啊,面对如此众多的公司在推崇和叫嚷着云计算,我们的耳边乱轰轰的,而对众多公司的云产品,我们的脑袋乱晕晕的,云——看上去如此杂乱无章,我们又该如何去学? 要学一个东西,能够对其有个整体架构的鸟瞰,那么...

《走近云计算》阅读笔记7--用Eclipse开发Google App Engine应用

一. 准备工作:          App Engine 主页:http://appengine.google.com          App Engine SDK 下载地址:http://co...

Google云计算原理与应用

  • 2015年11月03日 15:36
  • 2.02MB
  • 下载

Google云计算原理与应用

  • 2016年05月26日 23:35
  • 10.19MB
  • 下载

走向云计算之MapReduce原理和运行流程详解

一、概述MapReduce的设计理念源自于Google的MapReduce论文(发表于2004年12月),Hadoop MapReduce是Google MapReduce克隆版。MapReduce采...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:《云计算》学习笔记2——Google的云计算原理与应用(GFS和MapReduce)
举报原因:
原因补充:

(最多只允许输入30个字)