Hive叢集合併之應用端的負載均衡演算法

0.背景

有這麼一個場景，我們有兩個Hive叢集，Hive叢集1（後面成為1號叢集）是一直專享於資料計算平臺的，而Hive叢集2（後面成為2號叢集）是用於其他團隊使用的，比如特徵，廣告等。而由此存在兩個主要問題：a) 兩個Hive叢集共享了同一份MetaData，導致經常會出現在HUE（建立與2號叢集上）上建表成功後，但是在計算平臺上卻無法查詢到新建表資訊；b) 讓運維同學們同時維護兩套叢集，管理和資源分配調整起來的確是麻煩很多，畢竟也不利於資源的彈性分配。那麼鑑於此，經過討論，需要做這麼一樣工作：兩個叢集合二為一，由1號叢集合併到2號叢集上來。

1.叢集合併前的思考與分析

但是，叢集合併是不可能一下子全部合併，需要逐步遷移合併（比如每次20個結點）到2號叢集。但是這樣存在一個問題，計算平臺每天使用的計算資源是差不多固定的，而在遷移過程中，1號叢集的資源在逐漸減少，顯然是不滿足計算需求的，所以我們也需要由得到遷移資源的2號叢集分擔一些壓力。那麼重點來了，這就需要我們任務排程器合理的分配任務到1號叢集以及2號叢集的某個佇列。其實，所謂的任務分配也就是一種負載均衡演算法，即任務來了，通過負載均衡演算法排程到哪個叢集去執行，但是使用哪種負載均衡演算法就需要好好探究一下。

1.1負載均衡演算法的選擇

Q：常用的負載均衡演算法有哪些呢？ A：隨機演算法，輪詢，hash演算法，加權隨機演算法，加權輪詢演算法，一致性hash演算法。

• 隨機演算法 該演算法通過產生隨機數的方式進行負載，可能會導致任務傾斜，比如大量任務排程到了1好叢集，顯然不可取，pass。

• 輪詢 該演算法是通過一個接一個迴圈往復的方式進行排程，會保證任務分配很均衡，但是我們的1號叢集資源是在不斷減少的，2號叢集資源是在不斷增加的，如果均衡分配計算任務，顯然也是不合理的，pass。

• hash演算法 該演算法是基於當前結點的ip的hashCode值來進行排程，那麼只要結點ip不變，那麼hashCode值就不會變，所有的任務豈不是都提交到一個結點了嗎？不合理，pass。

• 加權隨機演算法 同隨機演算法，只不過是對每個結點增加了權重，但是因為是隨機排程，不可控的，直接pass。

• 加權輪詢演算法 上面說到，輪詢演算法可以保證任務分配很均衡，但是無法保證隨叢集資源的調整進行任務分配的動態調整。此時，如果我們可以依次根據叢集遷移情況，設定1號叢集與2號叢集的任務比重為：7:5 -> 3:2 -> 2:3 -> 完整切換。可行。

• 一致性hash演算法 該演算法較為複雜，鑑於我們是為了進行叢集合併以及保證任務儘量根據叢集資源的調整進行合理排程，無需設計太複雜的演算法進行處理，故也pass。

2.負載均衡演算法的落地實現

雖然我們最終方法選定為加權輪詢演算法，但是它起源於輪詢演算法，那麼我們就從輪詢演算法說起。

首選，我們會有Hive叢集對應的HS2的ip地址列表，然後我們通過某種演算法（這裡指的就是負載均衡演算法），獲取其中一個HS2的ip地址進行任務提交（這就是任務排程）。

2.1輪詢演算法的實現

我們先定義一個演算法抽象介面，它只有一個select方法。

import java.util.List;

/**
 * @author buildupchao
 * @date: 2019/5/12 21:51
 * @since JDK 1.8
 */
public interface ClusterStrategy {

    /**
     * 負載均衡演算法介面
     * @param ipList ip地址列表
     * @return 通過負載均衡演算法選中的ip地址
     */
    String select(List<String> ipList);
}
複製程式碼

輪詢演算法實現：

import org.apache.commons.lang3.StringUtils;

import java.util.Arrays;
import java.util.List;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.AtomicInteger;

/**
 * @author buildupchao
 * @date: 2019/5/12 21:57
 * @since JDK 1.8
 */
public class PollingClusterStrategyImpl implements ClusterStrategy {

    private AtomicInteger counter = new AtomicInteger(0);

    @Override
    public String select(List<String> ipList) {
        String selectedIp = null;
        try {
            int size = ipList.size();
            if (counter.get() >= size) {
                counter.set(0);
            }
            selectedIp = ipList.get(counter.get());
            counter.incrementAndGet();

        } catch (Exception ex) {
            ex.printStackTrace();
        }
        if (StringUtils.isBlank(selectedIp)) {
            selectedIp = ipList.get(0);
        }
        return selectedIp;
    }

    public static void main(String[] args) {
        List<String> ipList = Arrays.asList("172.31.0.191", "172.31.0.192");
        PollingClusterStrategyImpl strategy = new PollingClusterStrategyImpl();
        ExecutorService executorService = Executors.newFixedThreadPool(100);
        for (int i = 0; i < 100; i++) {
            executorService.execute(() -> {
                System.out.println(Thread.currentThread().getName() + ":" + strategy.select(ipList));
            });
        }
    }
}
複製程式碼

執行上述程式碼，你會發現，執行緒號為奇數的輪詢到的是'172.31.0.191'這個ip，偶數是‘172.31.0.192’這個ip。至於列印出來的日誌亂序，那是併發列印返回的ip的問題，並不是獲取ip進行任務排程的問題。

2.2加權輪詢演算法的實現

既然我們已經實現了輪詢演算法，那加權輪詢怎麼實現呢？無非是增加結點被輪詢到的比例罷了，我們只需要根據指定的權重，進行輪詢即可。因為需要有權重等資訊，我們需要重新設計介面。

提供一個Bean進行封裝ip以及權重等資訊：

import lombok.AllArgsConstructor;
import lombok.Builder;
import lombok.Data;
import lombok.NoArgsConstructor;

import java.io.Serializable;

/**
 * @author buildupchao
 *         Date: 2019/2/1 02:52
 * @since JDK 1.8
 */
@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
public class ProviderService implements Serializable {
    private String ip;
    // the weight of service provider
    private int weight;
}
複製程式碼

新的負載均衡演算法介面：

import com.buildupchao.zns.client.bean.ProviderService;

import java.util.List;

/**
 * @author buildupchao
 *         Date: 2019/2/1 02:44
 * @since JDK 1.8
 */
public interface ClusterStrategy {

    ProviderService select(List<ProviderService> serviceRoutes);
}
複製程式碼

加權輪詢演算法的實現：

import com.buildupchao.zns.client.bean.ProviderService;
import com.buildupchao.zns.client.cluster.ClusterStrategy;
import com.google.common.collect.Lists;

import java.util.List;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;

/**
 * @author buildupchao
 *         Date: 2019/2/4 22:39
 * @since JDK 1.8
 */
public class WeightPollingClusterStrategyImpl implements ClusterStrategy {

    private int counter = 0;
    private Lock lock = new ReentrantLock();

    @Override
    public ProviderService select(List<ProviderService> serviceRoutes) {
        ProviderService providerService = null;

        try {
            lock.tryLock(10, TimeUnit.SECONDS);
            List<ProviderService> providerServices = Lists.newArrayList();
            for (ProviderService serviceRoute : serviceRoutes) {
                int weight = serviceRoute.getWeight();
                for (int i = 0; i < weight; i++) {
                    providerServices.add(serviceRoute);
                }
            }

            if (counter >= providerServices.size()) {
                counter = 0;
            }
            providerService = providerServices.get(counter);
            counter++;
        } catch (InterruptedException ex) {
            ex.printStackTrace();
        } finally {
            lock.unlock();
        }

        if (providerService == null) {
            providerService = serviceRoutes.get(0);
        }
        return providerService;
    }
}
複製程式碼

你會發現這裡的演算法實現中不再是通過AtomicInteger來做計數器了，而是藉助於private int counter = 0;同時藉助於Lock鎖的技術保證計數器的安全訪問。只是寫法的不同，不用糾結啦！

這樣，我們就可以應用這個加權輪詢演算法到我們的任務排程器中了，快速配合運維完成叢集遷移合併工作吧！

3.總結

• 常用的負載均衡演算法有：隨機演算法，輪詢，hash演算法，加權隨機演算法，加權輪詢演算法，一致性hash演算法
• 和業務場景最契合的負載均衡演算法才是最合適的
• 加權輪詢負載均衡演算法只是在輪詢演算法基礎上根據權重把對應的資訊進行平鋪多份，從而提高比重實現加權的效果

資源連結

• 負載均衡演算法的實現可以參考zns專案中的運用