六、【计算】大数据Shuffle原理与实践（下） | 青训营笔记

  👉引言💎

学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。
热爱写作，愿意让自己成为更好的人…
…

	铭记于心
	🎉✨🎉我唯一知道的，便是我一无所知🎉✨🎉

四、Push Shuffle

0 概述

• 为什么需要Push Shuffle，因为一般shuffle过程存在不可避免的问题：

  • 数据存储在本地磁盘，没有备份

  • IO 并发：大量 RPC 请求（M*R）

  • IO 吞吐：随机读、写放大（3X）

  • GC 频繁，影响 NodeManager

• 为了优化该问题，有很多公司都做了思路相近的优化，push shuffle

  • Facebook： cosco

  • LinkedIn：magnet

  • Uber：Zeus

  • Alibaba： RSS

  • Tencent： FireStorm

  • Bytedance： Cloud Shuffle Service

  • Spark3.2： push based shuffle

1 Magnet主要流程

• Spark driver组件,协调整体的shuffle操作

• map任务的shuffle writer过程完成后,增加了一个额外的操作push-merge,将数据复制份推到远程shuffle服务上

• magnet shuffle service是一个强化版的ESS。将隶属于同一个shuffle partition的block,会在远程传输到magnet后被merge到一个文件中

• reduce任务Amagnet shuffle service 接收合并好的shuffle数据

  

2 实现原理：

• bitmap: 存储Emerge的mapper id, 防止重复merge

• position offset: 如果本次block没有正常merge,可以恢复到上一个block的位置

• currentMapld: 标识当前正在append的block,保证不同mapper 的block能依次append

主要为边写边push的模式，在原有的shuffle基础上尝试push聚合数据，但并不强制完成，读取时优先读取push聚合的结果，对于没有来得及完成聚合或者聚合失败的情况，则fallback到原模式

3 Magnet 可靠性

• 如果Map task输出的Block没有成功Push到magnet上,并且反复重试仍然失败,则reducetask直接从ESS上拉取原始block数据

• 如果magnet上的block因为重复或者冲突等原因,没有正常完成merge的过程,则reducetask直接拉取未完成merge的block

• 如果reduce拉取已经merge好的block失败,则会直接拉取merge前的原始block

• 本质上, magnet中维护了两份shuffle数据的副本

4 Cloud Shuffle Service 思想

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-82JnEti8-1661440964552)(image/image_vN88KGZRLN.png)]

5 Cloud Shuffle Service架构

6 Cloud Shuffle Service 读写流程

• 写入

• 读取

  

• Cloud Shuffle Service 支持AQE

  

  一个Partition会最终对应到多个Epoch file, 每个EPoch 目前设置是512MB

五、总结

1. Shuffle 概述：

   • 数据shuffle的概念，其存在的意义以及基本流程

   • Shuffle为什么对性能影响很重要

2. Shuffle算子

   • 常见的Shuffle算子

   • 理解宽依赖与窄依赖，ShuffleDependency及其相关组件

3. shuffle过程

   • Spark中shuffle实现的历史

   • Spark中主流版本的shuffle写入和读取过程

4. Push shuffle

   • Magnet Push Shuffle的设计思路

   • Cloud Shuffle Service 的设计实现思路

问题：

1. 自己构造一个会产生shuffle 的spark作业，修改shuffle相关的参数，对比一下不同参数对作业运行的影响

2. 在spark中shuffle实现的发展过程中，每一次变化都优化了之前哪些缺点，又带来了哪些问题？

3. Push Shuffle相对比Fetch Shuffle最大的挑战是什么？

🌹写在最后💖：
路漫漫其修远兮，吾将上下而求索！伙伴们，再见！🌹🌹🌹