2004年，Google提出用于分布式数据处理的MapReduce设计模式，同时还提供了第一个C++的实现。现在，一个名为Skynet的Ruby实现已经由Adam Pisoni发布。
\u0026#xD;\nSkynet是可适配、可容错的、可自我更新的，而且完全是分布式的系统，不存在单一的失败节点。\u0026#xD;\n
Skynet和Google在设计上有两点重要的区别：
\u0026#xD;\n- Skynet无法向工作者（Worker）发送原生代码（Raw code），\u0026#xD;\n
- Skynet利用结对恢复系统，不同的工作者会互相监控以防失败：\u0026#xD;\n
如果有一个工作者由于某种原因离开或者放弃了，就会有另一个工作者发现并接管它的任务。Skynet 也没有所谓的“主”管理进程，只有工作者，它们在任何时间都可以充当任何任务的主管理进程。\u0026#xD;\n
Skynet的使用和设置都很容易，这也正是MapReduce这个概念的真正优势。Skynet还扩展了ActiveRecord，加入了MapReduce的特性，比如distributed_find。
另一个类MapReduce的Ruby框架是Starfish，它已经一岁半了。可以读一读Peter Cooper关于Starfish的喜忧参半之情 。InfoQ采访了Adam Pisoni，谈及了Skynet的特性以及与Starfish之间的对比。
在开发Skynet之前，我曾经研究过Starfish，觉得它达不到我需要的健壮性。Starfish只是个简单的系统，在可伸缩性、控制性上存 在着诸多限制。另外还有一些问题，比如Starfish发布任务的能力到底有多强。因为Ruby其实并不能打包并在网络上发送代码，只能传递引用。所以如 果说在机器Y上运行代码块X，机器Y将仅需要在开始时调用运行代码块X所须依赖的那些代码。既然如此，我不明白它是如何实现分布式的。
关于Starfish还有一点我感到非常困惑，甚至曾经和它的作者通过email讨论过，那就是它如何解决使用DRB进行实 际代码的分发。在Starfish中，你只要提供一段代码以供map使用就行了。它会把这段代码转入到DRB对象中，并把这个对象的引用转发给工作者。这 样工作者线程就可以在本地执行这些代码了…但是Ruby DRB并不允许这样做。代码永远运行在编译它的那台机器上。因此，只要所有的工作者线程都在同一台机器上运行，那么一切都没有问题。但是一旦你试图在另一 台机器上运行工作者线程的话，尽管看起来代码好像是被发送过来的一样，但事实上代码还是在原来的机器上执行的。
Starfish的另一个严重限制就是你不能异步地运行作业。例如，假设Web页面中的某个Action启动了一个Map/Reduce进程，那么在你启动了Starfish作业后，就无法任意行动了。谁启动了Starfish作业，就必须等待那个作业的完成。
你要为Starfish编写一些小程序，它们的代码是你将要构建其中的。如果我没有弄错的话，你无法在同一台机器上运行多种类型的MapReduce作业。Skynet是一个更全面的MR系统，可以运行多种类型的多个作业，比如，各种不同的代码。
Skynet是构建于消息队列之上的。你可以根据可伸缩性的需要，选择使用哪一种消息队列。它目前支持tuplespace和mysql。Mysql的伸缩性比TS更好，因此我们选择使用mysql。
\u0026#xD;\n你可以完全自由地创建作业，Skynet都可以发布并执行这些作业。在geni，我们通常对会异步地执行作业（这正是Starfish做不到的）。因此，一旦创建了新的MR作业后，它可以立即返回。在后端，它会把你的作业添加到队列中，并由某个工作者负责执行。然后，你可以调用作业对象，获取结果。
Skynet也允许失败。工作者会互相关照。如果一个工作者失败了，无法及时完成任务，另一个工作者将会接起这个任务并尝试完成它。Skynet也支持map_data流，也就是说，即使某个数据集非常庞大，甚至无法放在一个数据结构中，Skynet也可以处理。
什么是map_data流？
\u0026#xD;\n大多数时候，在你准备启动一个map_reduce作业时，必须提供一个数据的队列，这些数据已经被分离并将被并行处理。如果队列过大，以至于无法适应于内存怎么办？在这种情况下，你就要不能再用队列，而应该使用枚举（Enumerable）。 Skynet知道去对象的调用:next或者:each方法，然后开始为“每一个（each）”分离出map_task来。通过这样的方式，不会有人再试图同时创建大量的数据结构。\u0026#xD;\n
你还想谈论一下其他的特性么？
\u0026#xD;\n还有很多特性值得一提，不过最想提醒大家的是，Skynet能够与你现有的应用非常完美地集成到一起，其中自然包括Rails应用。Skynet甚 至还提供了一个ActiveRecord的扩展，你可以在模型中以分布式的形式执行一些任务。在Geni中，我们使用这项功能来运行特别复杂的移植，它通 常涉及到在数百万的模型上执行Ruby代码。
\u0026#xD;\n\u0026gt; Model.distributed_find(:all, :conditions =\u0026gt; \"id \u0026gt; 20\").each(:somemethod)在你运行Skynet的时候，它将在每个模型上执行:somemethod，不过是以分布式的方式（这和你拥有多少个工作者相关）。 它在向模型分发任务前不必进行初始化，甚至不必提前获取所有的id。因此它可以操作无限大的数据集。 用户的反馈如何？\u0026#xD;\n
MapReduce还处在发展的初期，只有很少的人在使用它。Release 0.9.2是一个非常关键的发布，它的很多代码得到了重写，性能得到了提升，诸多特性也获得增强。我们已经申请在Railsconf上做一次关于 Skynet的报告，但是还没有收到反馈。我们也计划创建一段视频来演示如何使用Skynet。
\u0026#xD;\n 查看英文链接： Skynet, A New Ruby MapReduce
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
