[转]让Hadoop运行在OpenStack之上

Project Savanna：让Hadoop运行在OpenStack之上

摘要：Hadoop基本上已成为MapReduce实现的产业标准，并为众多机构采用；Savanna则是让用户可以在OpenStack上运行和管理Hadoop集群，而用户做的仅是给Savanna提供一些相关的配置参数。

Apache Hadoop基本上已经成为MapReduce实现的产业标准，并且被各个机构广泛采用，而Savanna项目旨在让用户可以在OpenStack上运行和管理Hadoop集群。值得一提的是，Amazon通过EMR（Elastic MapReduce）提供Hadoop服务已达数年之久。

用户需要给Savanna提供一些信息来建立集群，比如Hadoop版本、集群拓扑、节点硬件详情以及一些其它的信息。在用户提供这些参数之后，Savanna将帮助用户在几分钟之内建立起集群，同样还可以帮助用户根据需求对集群进行扩展（增加或者删除工作节点）。

方案针对以下几种用例：

• 为Dev和QA快速配置Hadoop集群
• 利用通用OpenStack IaaS云中从未使用过的计算能力
• 为专用或突发性的分析负载提供“分析即服务”（类似AWS中的EMR）。

主要特性如下：

• 作为OpenStack组件出现
• 通过REST API进行管理，用户界面作为OpenStack Dashboard的一部分。
• 支持多种Hadoop分布：

• 作为Hadoop安装引擎的可插拔系统。
• 集成了提供商特定的管理工具，比如Apache Ambari或者Cloudera Managent Console。

• Hadoop配置的预定义模板来，具备配置参数功能。

Savanna REST API和定制Horizon视频链接： YouTube视频

细节说明

Savanna产品主要于以下几个OpenStack组件进行通信：

• Horizon——提供GUI以使用所有Savanna的特性。
• Keystone——认证用户并提供安全令牌，用以与OpenStack通信，用以给用户分配特定的OpenStack权限。
• Nova——为Hadoop集群配置虚拟机。
• Glance——用于储存Hadoop虚拟机镜像，每个镜像都包含了已安装的OS和Hadoop；预安装的Hadoop应该给予我们在节点布置上的便利。
• Swift——可以作为需要进行Hadoop作业的预存储。

 

常规工作流

Savanna会根据用例给用户提供两种不同抽象等级的API和UI：集群配置和分析作为服务。

集群快速配置的工作流程包括以下选项：

• 选择Hadoop版本
• 选择包含或者不包含预安装Hadoop的基础镜像

• 对于未预安装Hadoop的基础镜像，Savanna将提供整合了供应商工具的可插拔部署引擎。

• 定义集群配置，包括集群的大小和拓扑，并且设置不同的Hadoop参数（比如heap大小）。

• 将提供可配置的模板用以简易参数配置机制。

• 集群的配置：Savanna将提供虚拟机，安装和配置Hadoop。
• 集群上的操作：添加和移除节点。
• 在不需要时终止集群。

对于分析即服务的工作流程包括以下选项：

• 选择一个预定义版本
• 配置作业：

• 选择作业的类型：pig、hive、jar-file等等
• 提供作业脚本源或者是jar路径
• 选择输入和输出数据路径（最初只支持Swift）
• 为日志选择路径

• 设置集群大小限制
• 执行作业：

• 所有集群配置和作业执行都会清楚的呈现给用户
• 作业结束后会自动移除集群

• 取回计算结果（比如从Swift）

用户方面

在使用Savanna配置集群时，用户在两种类型实体上进行操作：Node Template和Cluster。

Node Template用于描述集群中的节点，包含了几个参数。节点类型就属于Node Template的属性之一，这将决定Hadoop将在节点上运行什么样的处理，确定节点在集群中的扮演的角色，它可以是Job Tracker、NameNode、TaskTracker、DataNode或者这些节点的逻辑组合。Node Template同样还保存了硬件参数，这些参数用于节点虚拟机以及Hadoop在节点上的工作内容。

Cluster实体用于描述Hadoop Cluster，描述了预装Hadoop虚拟机特征，用于集群的部署和集群拓扑。拓扑是节点模板和每个模板该部署节点数量的列表。关于拓扑，Savanna会验证集群中的NameNode和JobTracker是否唯一。

每个节点模板和集群都归属于用户给其分配的tenant，用户只能访问已接入tenant里面的对象。用户只能编辑或删除他们建立的对象，当然管理员用户可以访问所有的对象，Savanna需要遵守同样的OpenStack访问策略。

Savanna提供了多种Hadoop集群拓扑，Job Tracker和NameNode进程可以选择在一或两个独立的虚拟机上运行。同样集群可以包含多种类型的工作节点，工作节点可以同时充当TaskTracker和DataNode，同样也可以扮演一个角色。Savanna允许用户任意选项的组合去建立集群。

与Swift整合

在OpenStack中，Swift作为标准对象存储，类似Amazon S3。通常部署在实体主机上，Swift被作为“OpenStack上的HDFS”，具备很多使用的增强功能。

首先为Swift实现的文件系统： HADOOP-8545，这样的话Hadoop作业就可以运行在Swift上。在Swift方面，我们必须将请求更改为 Change I6b1ba25b。它将端点映射为Object、Account或者是Container列表，这样就可以将Swift与依赖数据位置信息的软件整合，从而达到避免网络开销。

可插拔部署和监控

监视功能来自供应商定制的Hadoop管理工具，Savanna整合了类似Nagios及Zabbix可插拔外部监视系统。

部署和监控工具都将被安装在独立的虚拟机上，从而允许单一的实例同时管理或监控不同的集群。 

原文链接： Savanna （编译/仲浩 审校/王旭东）