以源码为基础，Myriad使用初探：构建、启动和使用过程

Myriad是由MapR主导并且由eBay、Mesosphere参与的项目，关于Myriad项目的起源与架构在部分文章之中都有了阐述，目前还没有分享Myriad相关实际研究成果的文章。本文将会展示Linker Networks最近对于Myriad项目的研究，并结合实际研究阐述Myriad项目的具体工作原理。首先本文会简单介绍一下Myriad项目的研究背景与意义；之后介绍Myriad的构建、启动和使用过程；最后将以源码为基础解释Myriad的启动和使用原理。

1研究背景与意义

1.1 Yarn

YARN（Yet Another Resource Negotiator）是一种通用的资源管理系统，旨在克服MRv1的缺陷为了更加大规模的数据处理而诞生。它包含四个主要的组件：

ResourceManager，管理全局资源
NodeManager，作为ResourceManager的代理管理节点资源
ApplicationMaster代替MRv1里的JobTracker
Container作为资源载体在NodeManager的监控之中执行ApplicationMaster的任务

1.2 Mesos

Mesos是Apache下的开源分布式资源管理框架,它被称为是分布式系统的内核。它包含四个主要的组件：

Mesos-master：管理Framework与Slave，分配和管理Slave的资源给Framework
Mesos-slave：管理Task，给Executor分配资源
Framework：利用MesosSchedulerDiver接入到Mesos的框架
Executor：执行器，启动计算框架中的task。

1.3与Mesos的不同

Mesos与Yarn的不同主要表现在：

scheduler：mesos让framework决定mesos提供的这个资源是否适合该job，从而接受或者拒绝这个资源。而对于yarn来说，决定权在于yarn，所以从scaling的角度来说，mesos更scalable。
其次yarn只为hadoop jobs提供了一个static partitioning。而mesos的设计目标是为各个框架（hadoop、spark、web services等）提供dynamical partitioning，让各个集群框架共用数据中心机器。虽然yarn有发展，但是改变不了其为了hadoop而设计的初衷（MR2）。
Mesos的资源分配更加细粒度，比yarn管理资源更加精细。

1.4 Myriad的作用

Yarn在处理Mapreduce job的时候有着天然的优势，而Mesos却不具备这样的优势，Myriad项目的出现正好解决了这一难题。这里，Myriad向Mesos申请资源并交给Yarn来使用。Myriad实现了Mesos的接口，这样它可以和Mesos通信并且申请资源，在Mesos当中执行Yarn的任务。

从Mesos的角度来看，Myriad具有Myriad Scheduler和Executor两个组件。Myriad Scheduler是两个框架合并的关键，具体来说，Myriad Scheduler实现了Yarn中的Fair Scheduler资源调度器并以此为基础实现了Mesos接口，于是Myriad Scheduler就同时具备了向Mesos集群申请资源并在Yarn集群内部分配资源的功能。

2 myriad构建

2.1 Myriad必要条件

按照官方说明，Myriad的运行需要以下条件:

JDK 1.7+ （Java 编译与运行环境）
Gradle （编译工具）
Hadoop 2.7.0 （实测CDH的版本也可以运行，具体会在下一章中解释）
Hadoop HDFS （用于share runtime data和运行文件）
Zookeeper （管理Mesos集群）
Mesos with Marathon (也可以没有Marathon)
Mesos-DNS (需配合Marathon把Myriad注册为Mesos的Framework才可用)

Marathon和MesosDNS并不是必须的，如果没有它们则需要在配置文件中指定ResourceManager的url，并且在hosts下添加所有节点的访问信息。此外，如果使用了MesosDNS并且在yarn-site.xml中没有指定yarn.resourcemanager.hostname ，还需要添加一个环境变量：YARN_RESOURCEMANAGER_OPTS=-Dyarn.resourcemanager.hostname=rm.marathon.mesos。

此外值得注意的是，Myriad目前只处在Alpha阶段，Bug依然很多功能也不完善，比如：Cgroups功能还有bug，flux up/down失败等。

下面就如何构建Myriad分享一下我们的经验：

2.2 编译Myriad:

./gradlew build

scheduler jars

$PROJECT_HOME/myriad-scheduler/build/libs/

executor jars

$PROJECT_HOME/myriad-executor/build/libs/

2.3 拷贝jar文件

cp myriad-scheduler/build/libs/*.jar /opt/hadoop-2.7.0/share/hadoop/yarn/lib/
cp myriad-executor/build/libs/myriad-executor-0.1.0.jar /opt/hadoop-2.7.0/share/hadoop/yarn/lib/
cp myriad-scheduler/build/resources/main/myriad-config-default.yml /opt/hadoop-2.7.0/etc/hadoop/

对于CDH 版本，需要把libmesos.so 等so文件copy 到share/lib/native目录下，否则启动报错

2.4 配置文件

1. mapred-site.xml

示例：

<configuration><property><name>mapreduce.shuffle.port</name><value>${myriad.mapreduce.shuffle.port}</value></property>
</configuration>

2. yarn-site.xml

示例：

https://cwiki.apache.org/confluence/display/MYRIAD/Sample%3A+yarn-site.xml

这里可能需要添加一个yarn.resourcemanager.hostname 来指定ResourceManager的位置，如果使用Marathon和Mesos-DNS这一变量就可以设置成rm.marathon.mesos（也可以和本节最开始提到的一样，通过环境变量的形式来进行设定）。

3. myriad-config-default.yml

示例：https://cwiki.apache.org/confluence/display/MYRIAD/Sample%3A+myriad-config-default.yml

配置文件内部的jvmMaxMemoryMB千万不要调小，否则可能出现莫名的启动错误；executor中的path需要指定NFS或者HDFS当中的路径，务必要保证集群中所有节点都可以access到；nodeManagerUri可以是http地址也可以是hdfs的地址，按照官方的要求，这个数据包在打包时最好把yarn-site.xml文件删除，因为这个文件会在运行时自动生成；YARN_HOME必须是一个相对路径，因为Mesos在执行任务时执行路径是不一定的，所以必须指定为相对路径。

2.5 打包并上传执行文件

首先删除yarn-site.xml然后执行：

tar -zxvf hadoop-myriad.tgz hadoop-myriad
hadoop fs -put hadoop-myriad.tgz /dist/

2.6 启动和log目录

./sbin/yarn-daemon.sh start resourcemanager
log文件：${HADOOP_HOME}/logs

3 运行实例与解释

我们利用CDH的hadoop-2.6.0-cdh5.7.0进行了测试，发现它也可以很好地运行myriad。

3.1 简单使用方法

我们在CDH的版本之上测试了两种简单的Myriad使用方法

1. flux up/down：

方式1：web页面上直接添加或者删除Instance
方式2：使用RestAPI

HTTP请求方式	uri
PUT	/api/cluster/flexup
PUT	/api/cluster/flexdown

2. run mapreduce job：

hadoop jar HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-.jar teragen 10000 /outDir

hadoop jar HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-.jar terasort /outDir /terasortOutDir

3.2解释

这里首先介绍两个概念：

AuxiliaryService，一个nodemanager的定制化组件，有点像mapreduce中的shuffle，可以自己根据需求定制。
FairScheduler，是Yarn中资源调度器的一种（还有FifoScheduler和CapacityScheduler）是由Facebook开发，它能使得hadoop应用能够被多用户公平地共享整个集群资源的调度器。

想必有些读者注意到yarn-site.xml当中的一个配置项：

<property><name>yarn.resourcemanager.scheduler.class</name><value>org.apache.myriad.scheduler.yarn.MyriadFairScheduler</value>
</property>

如果阅读源代码可以发现，Myriad重写了Yarn的FairScheduler资源调度器，并且在initialize Yarn的过程之中启动了MesosDriver并把Myriad作为了Mesos的Module来进行注册。这个重写过程并没有对Yarn FairScheduler本身的一些内容进行改变，只是增加了与Mesos交互的过程，在Myriad Scheduler（Yarn RM）启动完成之后，程序还会自动找到合适的Mesos Slave根据配置数量相应地把Myriad Executor（Yarn NM）实例运行起来。

关于NM，yarn-site.xml之中也有一些相关的配置项：

    <property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle,myriad_executor</value><!-- If using MapR distro, please use the following value:<value>mapreduce_shuffle,mapr_direct_shuffle,myriad_executor</value> --></property><property><name>yarn.nodemanager.aux-services.myriad_executor.class</name><value>org.apache.myriad.executor.MyriadExecutorAuxService</value></property>

在这里，Myriad利用MyriadExecutorAuxService实现了与Yarn程序的交互并且在MyriadExecutor中实现了Mesos Executor的接口从而可以把Yarn的NM运行在Myriad Framework中的Task里。

作者：陈冉、陈泳宇，陈冉Linker Networks的首席技术官和技术副总裁，主要负责Linker 的技术路线制定，陈冉曾担任惠普云的首席技术官，首席云技术专家和领域专家。
声明： CSDN作者原创投稿文章，未经许可禁止任何形式的转载。