介紹

分布式計算簡單來說，是把一個大計算任務(wù)拆分成多個小計算任務(wù)分布到若干臺機(jī)器上去計算，然后再進(jìn)行結(jié)果匯總。 目的在于分析計算海量的數(shù)據(jù)，從雷達(dá)監(jiān)測的海量歷史信號中分析異常信號(外星文明)，淘寶雙十一實時計算各地區(qū)的消費(fèi)習(xí)慣等。

創(chuàng)新互聯(lián)公司IDC提供業(yè)務(wù):成都移動機(jī)房托管,成都服務(wù)器租用,成都移動機(jī)房托管,重慶服務(wù)器租用等四川省內(nèi)主機(jī)托管與主機(jī)租用業(yè)務(wù);數(shù)據(jù)中心含:雙線機(jī)房,BGP機(jī)房,電信機(jī)房,移動機(jī)房,聯(lián)通機(jī)房。

海量計算最開始的方案是提高單機(jī)計算性能，如大型機(jī)，后來由于數(shù)據(jù)的爆發(fā)式增長、單機(jī)性能卻跟不上，才有分布式計算這種妥協(xié)方案。 因為計算一旦拆分，問題會變得非常復(fù)雜，像一致性、數(shù)據(jù)完整、通信、容災(zāi)、任務(wù)調(diào)度等問題也都來了。

舉個例子，產(chǎn)品要求從數(shù)據(jù)庫中100G的用戶購買數(shù)據(jù)，分析出各地域的消費(fèi)習(xí)慣金額等。 如果沒什么時間要求，程序員小明就寫個對應(yīng)的業(yè)務(wù)處理服務(wù)程序，部署到服務(wù)器上，讓它慢慢跑就是了，小明預(yù)計10個小時能處理完。 后面產(chǎn)品嫌太慢，讓小明想辦法加快到3個小時。
平常開發(fā)中類似的需求也很多，總結(jié)出來就是，數(shù)據(jù)量大、單機(jī)計算慢。 如果上Hadoop、storm之類成本較高、而且有點(diǎn)大才小用。 當(dāng)然讓老板買更好的服務(wù)器配置也是一種辦法。

利用分片算法

小明作為一個有追求有理想的程序員，決定用介于單機(jī)計算和成熟計算框架的過度解決方案，這樣成本和需求都能滿足了。 分布式計算的核心在于計算任務(wù)拆分，如果數(shù)據(jù)能以水平拆分的方式，分布到5臺機(jī)器上，每臺機(jī)器只計算自身的1/5數(shù)據(jù)，這樣即能在3小時內(nèi)完成產(chǎn)品需求了。

如上所述，小明需要把這些數(shù)據(jù)按照一定維度進(jìn)行劃分。 按需求來看以用戶ID劃分最好，由于用戶之間沒有狀態(tài)上的關(guān)聯(lián)，所以也不需要事務(wù)性及二次迭代計算。 小明用簡單的hash取模對id進(jìn)行劃分。

<pre style="margin:0px;
    padding:0px;
   white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:"
    Courier New"
    !important;
    font-size:12px !important;
    ">f(memberid) % 5 = ServerN</pre>

這樣程序可以分別部署到5臺機(jī)器上，然后程序按照配置只取對應(yīng)余數(shù)的用戶id，計算出結(jié)果并入庫。 這種方式多機(jī)之間毫無關(guān)聯(lián)，不需要進(jìn)行通信，可以避免很多問題。 機(jī)器上的程序本身也不具備分布式的特性，它和單機(jī)一樣，只計算自身獲取到的數(shù)據(jù)即可，所以如果某臺機(jī)器上程序崩潰的話，處理方式和單機(jī)一樣，比如記錄下處理進(jìn)度，下次從當(dāng)前進(jìn)度繼續(xù)進(jìn)行后續(xù)計算。

利用消息隊列

使用分片方式相對比較簡單，但有如下不足之處。

• 它不具有負(fù)載均衡的能力，如果某臺機(jī)器配置稍好點(diǎn)，它可能最先計算完，然后空閑等待著。也有可能是某些用戶行為數(shù)據(jù)比較少，導(dǎo)致計算比較快完成。
• 還有一個弊端就是每臺機(jī)器上需要手動更改對應(yīng)的配置， 這樣的話多臺機(jī)器上的程序不是完全一樣的，這樣可以用遠(yuǎn)程配置動態(tài)修改的辦法來解決。

小明這種方式引入了個第三方，消息隊列。 小明先用一個單獨(dú)的程序把用戶信息推送到消息隊列里去，然后各臺機(jī)器分別取消費(fèi)這個隊列。 于是就有了3個角色：

• 推送消息的，簡稱Master。
• 消息隊列，這里以Rabbitmq為例。
• 各個處理程序，簡稱Worker或Slave都行。

雖然僅僅引入了個第三方，但它已經(jīng)具備了分布式計算的很多特性。

1. 計算任務(wù)分發(fā)。 Master把需要計算的用戶數(shù)據(jù)，不斷的推送消息隊列。
2. 程序一致性。 Worker訂閱相同的消息隊列即可，無需更改程序代碼。
3. 任意擴(kuò)容。 由于程序完全一樣，意味著如果想要加快速度，重復(fù)部署一份程序到新機(jī)器即可。 當(dāng)然這是理論上的，實際當(dāng)中會受限于消息隊列、數(shù)據(jù)庫存儲等。
4. 容災(zāi)性。 如果5臺中某一臺程序掛了也不影響，利用Rabbitmq的消息確認(rèn)機(jī)制，機(jī)器崩潰時正在計算的那一條數(shù)據(jù)會在超時，在其他節(jié)點(diǎn)上進(jìn)行消費(fèi)處理。

Hadoop簡介

Hadoop介紹已經(jīng)相當(dāng)多了，這里簡述下比如:"Hadoop是一套海量數(shù)據(jù)計算存儲的基礎(chǔ)平臺架構(gòu)"，分析下這句話。

• 其中計算指的是MapReduce，這是做分布式計算用的。
• 存儲指的是HDFS，基于此上層的有HBase、Hive，用來做數(shù)據(jù)存儲用的。
• 平臺，指可以給多個用戶使用，比如小明有一計算需求，他只需要按照對應(yīng)的接口編寫業(yè)務(wù)邏輯即可，然后把程序以包的形式發(fā)布到平臺上，平臺進(jìn)行分配調(diào)度計算等。 而上面小明的分布式計算設(shè)計只能給自己使用，如果另外有小華要使用就需要重新寫一份，然后單獨(dú)部署，申請機(jī)器等。Hadoop大的優(yōu)勢之一就在于提供了一套這樣的完整解決方案。

下面找了介紹Hadoop的概覽圖，跟小明的設(shè)計做對比下:

• 圖中“大數(shù)據(jù)計算任務(wù)” 對應(yīng)小明的100G用戶數(shù)據(jù)的計算任務(wù)。
• ”任務(wù)劃分“ 對應(yīng)Master和消息隊列。
• “子任務(wù)” 對應(yīng)Worker的業(yè)務(wù)邏輯。
• ”結(jié)果合并“ 對應(yīng)把每個worker的計算結(jié)果入庫。
• “計算結(jié)果” 對應(yīng)入庫的用戶消費(fèi)習(xí)慣數(shù)據(jù)。

PS：為了方便描述，把小明設(shè)計的分布式計算，叫做小和尚。

MapReduce

由于MapReduce計算輸入和輸出都是基于HDFS文件，所以大多數(shù)公司的做法是把mysql或sqlserver的數(shù)據(jù)導(dǎo)入到HDFS，計算完后再導(dǎo)出到常規(guī)的數(shù)據(jù)庫中，這是MapReduce不夠靈活的地方之一。 MapReduce優(yōu)勢在于提供了比較簡單的分布式計算編程模型，使開發(fā)此類程序變得非常簡單，像之前的MPI編程就相當(dāng)復(fù)雜。

狹隘的來講，MapReduce是把計算任務(wù)給規(guī)范化了，它可以等同于小和尚中Worker的業(yè)務(wù)邏輯部分。 MapReduce把業(yè)務(wù)邏輯給拆分成2個大部分，Map和Reduce，可以先在Map部分把任務(wù)計算一半后，扔給Reduce部分繼續(xù)后面的計算。 當(dāng)然在Map部分把計算任務(wù)全做完也是可以的。

如果把小明產(chǎn)品經(jīng)理的需求放到Hadoop來做，其處理流程大致如下：

1. 把100G數(shù)據(jù)導(dǎo)入到HDFS
2. 按照Mapreduce的接口編寫處理邏輯，分Map、Reduce兩部分。
3. 把程序包提交到Mapreduce平臺上，存儲在HDFS里。
4. 平臺中有個叫Jobtracker進(jìn)程的角色進(jìn)行分發(fā)任務(wù)。 這個類似小和尚的Master負(fù)載調(diào)度管理。
5. 如果有5臺機(jī)器進(jìn)行計算的話，就會提前運(yùn)行5個叫TaskTracker的slave進(jìn)程。 這類似小和尚worker的分離版，平臺把程序和業(yè)務(wù)邏輯進(jìn)行分離了， 簡單來說就是在機(jī)器上運(yùn)行個獨(dú)立進(jìn)程，它能動態(tài)加載、執(zhí)行jar或dll的業(yè)務(wù)邏輯代碼。
6. Jobtracker把任務(wù)分發(fā)到TaskTracker后，TaskTracker把開始動態(tài)加載jar包，創(chuàng)建個獨(dú)立進(jìn)程執(zhí)行Map部分，然后把結(jié)果寫入到HDFS上。
7. 如果有Reduce部分，TaskTracker會創(chuàng)建個獨(dú)立進(jìn)程把Map輸出的HDFS文件，通過RPC方式遠(yuǎn)程拉取到本地，拉取成功后，Reduce開始計算后續(xù)任務(wù)。
8. Reduce再把結(jié)果寫入到HDFS中
9. 從HDFS中把結(jié)果導(dǎo)出。

這樣一看好像是把簡單的計算任務(wù)給復(fù)雜化了，其實如果只有幾臺計算任務(wù)的話，使用Mapreduce確實是殺雞用牛刀了。 如果有TB、PB級別的數(shù)據(jù)、跑在成百上千臺計算節(jié)點(diǎn)上，Mapreduce的優(yōu)勢才會體現(xiàn)出來。 其計算框架圖架構(gòu)如下：?

離線計算

通常稱Mapreduce及小和尚這種計算為離線計算，因為它對已經(jīng)持久化的文件數(shù)據(jù)進(jìn)行計算，不能實時響應(yīng)。 還有個原因就是它的處理速度比較慢，它的輸入和輸出源都是基于HDFS設(shè)計，如果數(shù)據(jù)不是一開始就寫入到HDFS上，就會涉及到數(shù)據(jù)導(dǎo)入導(dǎo)出，這部分相對耗費(fèi)時間。 而且它的數(shù)據(jù)流動是基于文件系統(tǒng)的，Map部分輸出的數(shù)據(jù)不是直接傳送到Reduce部分，而是先寫入HDFS再進(jìn)行傳送。

處理速度慢也是Mapreduce的不足之處，促使了后面實時計算的誕生。
另外個缺點(diǎn)是Mapreduce的計算任務(wù)流比較單一，它只有Map、Reduce兩部分。 簡單的可以只寫一部分邏輯來解決，如果想拆分成多個部分，如邏輯A、邏輯B、邏輯C等， 而且一部分計算邏輯依賴上一次計算結(jié)果的話，MapReduce處理起來就比較困難了。 像storm框架解決此類問題的方案，也稱為流式計算，下一章繼續(xù)補(bǔ)充。?

---

文末彩蛋

針對于上面所涉及到的知識點(diǎn)我總結(jié)出了有1到5年開發(fā)經(jīng)驗的程序員在面試中涉及到的絕大部分架構(gòu)面試題及答案做成了文檔和架構(gòu)視頻資料免費(fèi)分享給大家（包括Dubbo、Redis、Netty、zookeeper、Spring cloud、分布式、高并發(fā)等架構(gòu)技術(shù)資料），希望能幫助到您面試前的復(fù)習(xí)且找到一個好的工作，也節(jié)省大家在網(wǎng)上搜索資料的時間來學(xué)習(xí)，也可以關(guān)注我一下以后會有更多干貨分享。

資料獲取方式 QQ群搜索“708-701-457” 即可免費(fèi)領(lǐng)取

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

網(wǎng)頁標(biāo)題：淺談分布式計算的開發(fā)與實現(xiàn)(一)-創(chuàng)新互聯(lián)
當(dāng)前鏈接：http://aaarwkj.com/article48/gidep.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供標(biāo)簽優(yōu)化、App設(shè)計、網(wǎng)站收錄、App開發(fā)、企業(yè)建站、用戶體驗

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)