Distributed | MapReduce

最近终于抽出时间开始学习MIT 6.824，本文为我看MapReduce论文和做lab后的总结。

lab要用到go语言，这也是我第一次接触。可以参考go语言圣经学习基本语法。

MapReduce 简介

MapReduce描述了一种编程模型，由处理数据的map函数生成中间键值对(Key/Value)，再由Reduce函数处理中间键值对生成输出文件。根据用户自定义的map和reduce函数不同，可以实现不同的功能。下面我简单总结了个人觉得比较关键的部分。

执行概述

在MapReduce中存在两种程序：master (也即lab中的coordinator) 和worker。master负责分配任务和接受反馈，更新任务列表。worker负责完成map和reduce任务。

在程序运行前，mapreduce库会将输入的数据切分成M个片段，即M个map任务，然后启动master和worker。master会对每个空闲的worker分配map或者reduce任务。

被分配了map任务的worker读取相应任务的数据，解析出键值对，生成中间键值对存入本地磁盘。这些键值对根据key的不同，被分区函数划分到R个区域内。worker将这些数据的位置传回master，master会将这些位置转发给执行reduce操作的worker。

执行reduce任务的worker在接受任务后，使用RPC的方式读取数据，并根据key进行排序，然后调用reduce函数生成R个输出文件。

容错

由于数百上千台机器同时运行，发生网络故障/设备中断是常有的事情，因此需要应对故障的方案。

worker故障

master会周期性的ping下每个worker，如果在一定时间内收不到来自某个worker的响应，master就会将该worker标记为failed，该worker正在执行的任务会被重置为【待执行】。master会将这些任务交给其他worker重新执行。

对于已经执行完的任务。如果是已完成的map任务，由于中间数据储存在发生故障的worker磁盘中，无法读取，因此需要重新执行该任务。如果是reduce任务则无须再执行，因为完成时输出文件已经储存在全局系统中。

master故障

一种解决方案是，将master上的数据周期性地写入磁盘，发生故障后从最新的checkpoint创建出一个新的备份，重启master进程。但往往需要人工干预。

Master的数据结构

在Master中包含了一些数据结构。它保存了每个Map任务和每个Reduce任务的状态（闲置，正在运行，以及完成），以及非空闲任务的worker机器的ID。

备用任务

在MapReduce计算中，一台机器花费了异常长的时间去完成最后几个Map或者Reduce任务会导致执行总时间延长很多。因此当一个MapReduce任务接近完成时，master可以调度一个备用（backup）任务来执行正在执行的任务。无论是主任务还是备用任务完成，都视为整个计算完成。可以显著减少大型计算花费的时间。

Lab1 总结

虽然看论文的时候感觉自己对MapReduce的执行过程了解的比较透彻，但是在实际实现全过程的时候才发现有很多地方没有注意到。果然是实践出真知。

在过程中遇到的一个比较大的坑是我对go的struct不够了解。go中struct用变量名的首字母大小写来区分public和private（可导出和不可导出），习惯了驼峰命名法的我并没有注意到。因此在测试的时候才需要全盘修改，花费了一些精力。

在lab中我们要实现的是一个在本地机器执行的mapreduce任务。和论文中介绍的不同，这个mapreduce没有实现对worker的周期检测，也不需要储存每个worker的状态，而是当worker在一段时间（lab中为10s）内没有完成任务时，直接将该worker视为故障，重新分配任务。并且任务时由worker主动申请再由master进行分配。这对于小任务是可行的，但对于无法预测时间的大型任务，应当按论文中进行实现。

在执行过程中，必须要先将map任务全部执行完，才能执行reduce任务。因为reduce任务要读取全部数据进行排序。当map任务已经分配完但没有全部完成时，部分没有任务可以执行的worker可能会空转。

for {

		switch reply.State{

		case 0:

			//map任务

		case 1:

			//reduce任务

		case 2:

			continue //暂时没有任务，等待下一次申请

		case 3:

			break   //所有任务均已完成，worker停止工作

		}

在任务分配上，我简单的采用了数组初始化所有任务，在分配任务时从数组中寻找【待执行】的任务（即state为0），更优化的方式可以考虑任务队列。将任务依次入队，对已经执行的任务出队，如果任务执行失败（超时），则重新入队。这样免去了遍历的过程。

因为在mrcoordinator.go中我们可以看到，每隔1s中会执行一次c.Done()，因此可以在c.Done()中增加每次任务的运行时间。

m := mr.MakeCoordinator(os.Args[1:], 10)

	for m.Done() == false {

		time.Sleep(time.Second)

	}

论文中提到通过写入临时文件并重命名它的方式，可以避免在崩溃生成部分写入的文件，造成混乱。ioutil库可以创建临时文件，并在写入结束后重命名为标准文件格式。

在实际上手时，可以先从worker开始，根据程序中给的example，分析执行过程，再在程序中添加对应的实现。RPC调用的函数必须要有返回值，否则运行时会报错找不到该函数。

实现代码

以下为实现代码，通过了全部测试。

//worker.go

package mr

import "fmt"

import "log"

import "net/rpc"

import "hash/fnv"

import (

	"time"

	"os"

	"sort"

	"io/ioutil"

	"strconv"

	"encoding/json"

)

//

// Map functions return a slice of KeyValue.

//

type KeyValue struct {

	Key   string

	Value string

}

type ByKey []KeyValue

// for sorting by key.

func (a ByKey) Len() int           { return len(a) }

func (a ByKey) Swap(i, j int)      { a[i], a[j] = a[j], a[i] }

func (a ByKey) Less(i, j int) bool { return a[i].Key < a[j].Key }

//

// use ihash(key) % NReduce to choose the reduce

// task number for each KeyValue emitted by Map.

//

func ihash(key string) int {

	h := fnv.New32a()

	h.Write([]byte(key))

	return int(h.Sum32() & 0x7fffffff)

}

//

// main/mrworker.go calls this function.

//

func Worker(mapf func(string, string) []KeyValue,

	reducef func(string, []string) string) {

	// Your worker implementation here.

	// uncomment to send the Example RPC to the coordinator.

	// CallExample()

	for {

		time.Sleep(time.Second) //睡眠一秒再接任务

		args := ASKArgs{}

		reply := ASKReply{}

		callAskTask(&args, &reply)

		taskNumber := reply.TaskNumber

		switch reply.State{

		case 0:

			file, err := os.Open(reply.FileName)

			if err != nil {

				log.Fatalf("cannot open mapTask file", reply.FileName)

			}

			content, err := ioutil.ReadAll(file)

			if err != nil {

				log.Fatalf("cannot read mapTask file", reply.FileName)

			}

			file.Close()

			kva := mapf(reply.FileName, string(content))

			//写入mr-taskNumber-y文件中

			WriteMiddleFile(kva, taskNumber, reply.NReduce)

		case 1:

			intermediate := []KeyValue{}

			nmap := reply.NMap

			for i:=0; i<nmap ; i++ {

				mapFile := "mr-" + strconv.Itoa(i) + "-" + strconv.Itoa(taskNumber)

				inputFile, err := os.OpenFile(mapFile, os.O_RDONLY, 0666)

				if err != nil {

					log.Fatalf("can not open reduceTask", mapFile)

				}

				dec := json.NewDecoder(inputFile)

				for {

					var kv []KeyValue

					if err := dec.Decode(&kv); err != nil {

						break

					}

					intermediate = append(intermediate, kv...)

				}

			}

			sort.Sort(ByKey(intermediate))

			outFile := "mr-out-" + strconv.Itoa(taskNumber)

			tempReduceFile, err := ioutil.TempFile("", "mr-reduce-*")

			if err != nil {

				log.Fatalf("cannot open", outFile)

			}

			i := 0

			for i < len(intermediate) {

				j := i + 1

				for j < len(intermediate) && intermediate[j].Key == intermediate[i].Key {

					j++

				}

				values := []string{}

				for k := i; k < j; k++ {

					values = append(values, intermediate[k].Value)

				}

				output := reducef(intermediate[i].Key, values)

				// this is the correct format for each line of Reduce output.

				fmt.Fprintf(tempReduceFile, "%v %v\n", intermediate[i].Key, output)

				i = j

			}

			tempReduceFile.Close()

			os.Rename(tempReduceFile.Name(), outFile)

		case 2:

			continue //暂时没有任务，等待下一次申请

		case 3:

			break   //所有任务均已完成，worker停止工作

		}

		Args := FinishAgrs{State: reply.State, TaskNumber:taskNumber}

		Reply := FinishReply{}

		callFinishTask(&Args, &Reply)

		if Reply.State == 1 {

			break

		}

	}

}

func WriteMiddleFile(kva []KeyValue, taskNumber int, nReduce int) bool {

	buffer := make([][]KeyValue, nReduce)

	for _, value := range(kva) {

		area := (ihash(value.Key)) % nReduce

		buffer[area] = append(buffer[area], value)

	}

	for area, output := range(buffer) {

		outputFile := "mr-" + strconv.Itoa(taskNumber) + "-" + strconv.Itoa(area)

		tempMapFile, err := ioutil.TempFile("", "mr-map-*")

		if err != nil {

			log.Fatalf("cannot open tempMapFile")

		}

		enc := json.NewEncoder(tempMapFile)

		err = enc.Encode(output)

		if err != nil {

			return false

		}

		tempMapFile.Close()

		os.Rename(tempMapFile.Name(), outputFile)  //通过原子地重命名避免写入时崩溃，导致内容不完整

	}

	return true

}

func callAskTask(args *ASKArgs, reply *ASKReply){

	call("Coordinator.ASKTask", &args, &reply)

}

func callFinishTask(args *FinishAgrs, reply *FinishReply){

	call("Coordinator.FinishTask", &args, &reply)

}

//

// send an RPC request to the coordinator, wait for the response.

// usually returns true.

// returns false if something goes wrong.

//

func call(rpcname string, args interface{}, reply interface{}) bool {

	// c, err := rpc.DialHTTP("tcp", "127.0.0.1"+":1234")

	sockname := coordinatorSock()

	c, err := rpc.DialHTTP("unix", sockname)

	if err != nil {

		log.Fatal("dialing:", err)

	}

	defer c.Close()

	err = c.Call(rpcname, args, reply)

	if err == nil {

		return true

	}

	fmt.Println(err)

	return false

}

//rpc.go

package mr

//

// RPC definitions.

//

// remember to capitalize all names.

//

import "os"

import "strconv"

//

// example to show how to declare the arguments

// and reply for an RPC.

//

type ASKArgs struct {

	//申请时不需要任何信息

}

type ASKReply struct {

	State int //0-map 1-reduce 2-wait 3-shutdown

	FileName string //文件名

	TaskNumber int  //任务号

	NReduce int     //reduce任务中的分区数

	NMap int  		//Map任务的总数

}

type FinishAgrs struct{

	State int			//同reply，用于更新Coordinator状态

	TaskNumber int

}

type FinishReply struct{

	State int 		//0-继续接受任务 1-任务全部完成，关闭worker

}

// Add your RPC definitions here.

// Cook up a unique-ish UNIX-domain socket name

// in /var/tmp, for the coordinator.

// Can't use the current directory since

// Athena AFS doesn't support UNIX-domain sockets.

func coordinatorSock() string {

	s := "/var/tmp/824-mr-"

	s += strconv.Itoa(os.Getuid())

	return s

}

//coordinator.go

package mr

import "log"

import "net"

import "os"

import "net/rpc"

import "net/http"

import (

	"sync"

)

//缺少检测故障，不能主动分配任务

//由设备主动申请任务，不需要轮训检查设备是否响应，因此不需要机器号

type Coordinator struct {

	State int 			//0-map 1-reduce 2-finish

	NMap int 			//map任务总数

	NReduce int 		//reduce分区数

	MapTask map[int]*mapTask    //map任务数组

	ReduceTask map[int]*reduceTask  //reduce任务数组

	Mu sync.Mutex

}

type mapTask struct {

	FileName string

	State int 			//0-待做 1-进行中 2-已完成

	RunTime int

}

type reduceTask struct {

	State int         //0-待做 1-进行中 2-已完成

	RunTime int

}

func (c *Coordinator) TickTick() {

	if c.State == 0 {

		for TaskNumber, task := range(c.MapTask){

			if task.State == 1 {

				c.MapTask[TaskNumber].RunTime += 1

				if c.MapTask[TaskNumber].RunTime>=10 {

					c.MapTask[TaskNumber].State = 0

				}

			}

		}

	} else if c.State == 1 {

		for TaskNumber, task := range(c.ReduceTask){

			if task.State == 1 {

				c.ReduceTask[TaskNumber].RunTime += 1

				if c.ReduceTask[TaskNumber].RunTime>=10 {

					c.ReduceTask[TaskNumber].State = 0

				}

			}

		}

	}

}

func (c *Coordinator) ASKTask(args *ASKArgs, reply *ASKReply) error{

	c.Mu.Lock()

	defer c.Mu.Unlock()

	reply.State = 2

	reply.NMap = c.NMap

	reply.NReduce = c.NReduce

	switch c.State {

	case 0:

		for TaskNumber, task := range(c.MapTask) {

			if task.State == 0 {

				reply.FileName = task.FileName

				reply.State = 0

				reply.TaskNumber = TaskNumber

				c.MapTask[TaskNumber].State = 1

				break

			}

		}

	case 1:

		for TaskNumber, task := range(c.ReduceTask) {

			if task.State == 0 {

				reply.State = 1

				reply.TaskNumber = TaskNumber

				c.ReduceTask[TaskNumber].State = 1

				break

			}

		}

	case 2:

		reply.State = 3

	}

	return nil

}

func (c *Coordinator) FinishTask(args *FinishAgrs, reply *FinishReply) error{

	c.Mu.Lock()

	defer c.Mu.Unlock()

	reply.State = 0

	if args.State == 0 {

		c.MapTask[args.TaskNumber].State = 2

		c.CheckState()

	} else {

		c.ReduceTask[args.TaskNumber].State = 2

		c.CheckState()

		if c.State == 2 {

			reply.State = 1

		}

	}

	return nil

}

func (c *Coordinator) CheckState() {

	for _, task := range(c.MapTask) {

		if task.State == 0 || task.State == 1 {

			c.State = 0

			return

		}

	}

	for _, task := range(c.ReduceTask) {

		if task.State == 0 || task.State == 1 {

			c.State = 1

			return

		}

	}

	c.State = 2

}

//

// start a thread that listens for RPCs from worker.go

//

func (c *Coordinator) server() {

	rpc.Register(c)

	rpc.HandleHTTP()

	//l, e := net.Listen("tcp", ":1234")

	sockname := coordinatorSock()

	os.Remove(sockname)

	l, e := net.Listen("unix", sockname)

	if e != nil {

		log.Fatal("listen error:", e)

	}

	go http.Serve(l, nil)

}

//

// main/mrcoordinator.go calls Done() periodically to find out

// if the entire job has finished.

//

func (c *Coordinator) Done() bool {

	c.Mu.Lock()

	defer c.Mu.Unlock()

	ret := false

	c.TickTick()			//在每次检查是否完成时，增加任务时间

	if c.State == 2 {

		ret = true

	} else {

		ret = false

	}

	return ret

}

//

// create a Coordinator.

// main/mrcoordinator.go calls this function.

// nReduce is the number of reduce tasks to use.

//

func MakeCoordinator(files []string, nReduce int) *Coordinator {

	maptask := make(map[int]*mapTask)

	reducetask := make(map[int]*reduceTask)

	for i, filename := range(files) {

		maptask[i] = &mapTask{FileName: filename, State: 0, RunTime: 0}

	}

	for j := 0; j < nReduce; j++ {

		reducetask[j] = &reduceTask{State: 0, RunTime: 0}

	}

	c := Coordinator{State: 0, NMap: len(files), NReduce: nReduce, MapTask: maptask, ReduceTask: reducetask, Mu: sync.Mutex{}}

	c.server()

	return &c

}

巴特西