分布式资源管理与负载调度
分布式体系结构之集中式结构
集中结构
由一台或多台服务器组成中央服务器,系统内的所有数据都存储在中央服务器中,系统内所有的业务也均先由中央服务器处理
多个节点服务器与中央服务器连接,并将自己的信息汇报给中央服务器,由中央服务器统一进行资源和任务调度
中央服务器根据这些信息,将任务下达给节点服务器;节点服务器执行任务,并将结果反馈给中央服务器.
最大特点:部署结构简单
1. Google Borg
- 一个集群:Cell
- BorgMaster:Cell 里面的一个 Leader
- Borglet:其他服务器为节点服务器或从服务器
- BorgMaster:
- Borgmaster 主进程
- 主进程处理客户端的 RPC 请求,比如任务的执行状态更新或者查询等
- 同时,管理系统中所有实体的状态(比如,服务器、任务等),并负责和 Borglet 通信
- scheduler 进程
- 进程负责任务调度,为任务寻找一个合适的节点服务器执行
- Borgmaster 主进程
- Borglet
是运行在每个节点机器的一个 agent,负责任务的拉起、停止、重启等,并管理和搜集本服务器资源,将任务的状态、服务器状态等信息上报给 BorgMaster
Borg 并不是第一个解决这些问题的系统,但却是少数能在这么大规模处理这些问题的同时,还能实现这样的弹性和完整性的系统之一
2. Kubernetes
Kubernetes 是 Google 开源的容器集群管理系统,是 Borg 的一个开源版本。
- Master 节点
- API Server: 是所有 REST 命令的入口,负责处理 REST 的操作,确保它们生效,并执行相关业务逻辑。
- Scheduler: 根据容器需要的资源以及当前 Worker 节点所在节点服务器的资源信息,自动为容器选择合适的节点服务器
- Cluster State Store: 集群状态存储,默认采用 etcd
- Control Manager: 用于执行大部分的集群层次的功能,执行生命周期功能,API 业务逻辑
- Worker 节点
- kubelet: 用于通过命令行与 API Server 进行交互,根据接收到的请求对 Worker 节点进行操作
- kube-proxy: 负责为容器(Pod)创建网络代理 / 负载平衡服务----Service
3. Mesos
分布式资源管理框架 Mesos ,分布式系统的内核。
Mesos+Marathon 支持的容器,主要包括 Docker 和 cgroups
Mesos 只负责底层资源的管理和分配,并 不涉及 存储、 任务调度等功能,因此 Mesos Master 对接的是 Spark、Hadoop、Marathon 等框架
- Mesos Master :收集和管理所有 Agent 所在服务器的资源和状态,对接 Spark、Hadoop 等框架
- Mesos Agent :负责任务的拉起、停止、重启,服务器的资源 (比如 CPU、内存等) 信息和状态
分析对比
分布式体系结构之非集中式结构
如何优化 Gossip 协议中的重复消息问题
Gossip 是一种谣言传播协议,每个节点周期性地从节点列表中选择 k 个节点,将本节点存储的信息传播出去,直到所有节点信息一致,即算法收敛了。
问题:
如果每次都是随机选择 k 个节点的话,势必会存在重复选择同样节点的可能,增加消息量
解决方案:
每个节点记录当前传输的消息且还未达到收敛的时候,已经发送给了哪些节点,然后每次选择时从没有发送过的节点列表中随机选择 k 个节点,直到所有节点均被传输或集群收敛为止
分布式调度架构之单体调度
单体调度设计
调度算法
- 可行性检查
- 评分
- 最差匹配:将任务尽量分散到不同的机器上,导致每个机器都有少量的无法使用的剩余资源
- 最佳匹配:把机器上的任务塞得越满越好,没有用户作业的机器直接放置大型任务,
- 不利于有 突发负载 的应用
- 对申请 少量 CPU 的批处理作业 也不友好
单体调度器虽然具有单点瓶颈或单点故障问题,但因为其具有全局资源视图和全局任务,简单易维护,被很多公司广泛采用
分布式调度架构之双层调度
两层调度
- 一层调度器只负责 资源 管理和分配
- 中央调度器从整体上进行资源的管理与分配,将资源分配到第二层调度器
- 一层调度器负责 任务 与资源的匹配
- 第二层调度器负责将资源与具体的任务配对,因此第二层调度可以有多个调度器,以支持不同的任务类型
Scheduler-1 表示第一层调度,负责收集和管理集群中的资源信息;
Scheduler-2 表示第二层调度,Scheduler-1 会将集群资源发送给 Scheduler-2,然后 Scheduler-2 根据任务的资源需求和 Scheduler-1 发送的资源信息进行任务匹配和调度;
特点
解决了单体架构中中央服务器单点瓶颈问题;
提升了调度效率,支持多种类型的任务
应用实例:Apache Mesos,Hadoop YARN
Mesos 架构
- Master节点:每个集群有且仅有一个Master节点,负责管理Slave节点,并对接上层框架
- Slave节点:想Master回报资源信息,并执行框架提交的任务
- 框架(Framework):运行在Mesos上,是负责应用管理与调度的组件
- Scheduler:从Master节点中获取到集群节点的信息
- Executor:在Slave节点执行任务
调度形式
- Mesos Master 的 Scheduler 进程收集所有节点的空闲资源信息,并以 Resource Offer 的方式将空闲资源发送给注册的框架
- 框架的 Scheduler 接收到 Mesos 发送的资源后,进行任务调度与匹配,匹配成功后,将匹配结果下发给 Mesos Master,并由 Mesos Master 转发给相应节点的执行器执行任务
调度算法
- 最大最小公平算法
- 兼顾公平的前提下,尽可能让更多人满意的资源分配算法
- 每次迭代中资源均平均分配,如果还有剩余资源,就进入下一次迭代,一直到所有用户资源得到满足或集群资源分配完毕,迭代结束
- 主导资源公平算法
- 在考虑用户公平性的前提下,还考虑了用户对不同资源类型的需求,以尽可能地合理分配资源
分布式调度架构之共享状态调度
定义
这种架构基本上沿袭了单体调度器的模式,通过将单体调度器分解为多个调度器,每个调度器都有全局的资源状态信息,从而实现最优的任务调度,提供了更好的可扩展性
特点
- 分布式结构
- 共享集群状态
- 乐观并发调度
- 调度形式类似数据库中的事务操作
- 优点:
- 解决了单体调度架构中,中央服务器的单点瓶颈问题
- 解决了两层调度架构中任务匹配无法达到全局最优的问题
- 可扩展性强
- 缺点
- 存在潜在的资源冲突
- 实现复杂
- 应用实例Google Omega
- Omega架构
- 资源维护模块:记录资源状态信息;接受Scheduler的任务匹配结果 并选择合适的任务进行调度
- 节点:向资源维护模块汇报资源信息
- Scheduler:每个Scheduler都有Cell State副本;执行任务匹配算法
- 调度形式
- Scheduler 从资源维护模块获取到集群资源信息,执行任务匹配算法,并将任务匹配结果发送给资源匹配模块;
- 资源匹配模块选择合适的任务进行调度
- 使用场景 :大规模集群
- Omega架构