摘要：在有贊的技術演進。業(yè)務數(shù)據(jù)量正在不斷增大，這些任務會影響業(yè)務對外服務的承諾。監(jiān)控需要收集上執(zhí)行的的審計信息，包括提交者執(zhí)行的具體，開始結束時間，執(zhí)行完成狀態(tài)。還有一點是詳細介紹了的原理，實踐中設置了的比默認的減少了以上的時間。

有贊數(shù)據(jù)平臺從2017年上半年開始，逐步使用 SparkSQL 替代 Hive 執(zhí)行離線任務，目前 SparkSQL 每天的運行作業(yè)數(shù)量5000個，占離線作業(yè)數(shù)目的55%，消耗的 cpu 資源占集群總資源的50%左右。本文介紹由 SparkSQL 替換 Hive 過程中碰到的問題以及處理經(jīng)驗和優(yōu)化建議，包括以下方面的內容：

有贊數(shù)據(jù)平臺的整體架構。

SparkSQL 在有贊的技術演進。

從 Hive 到 SparkSQL 的遷移之路。

首先介紹一下有贊大數(shù)據(jù)平臺總體架構：

如下圖所示，底層是數(shù)據(jù)導入部分，其中 DataY 區(qū)別于開源屆的全量導入導出工具 alibaba/DataX，是有贊內部研發(fā)的離線 Mysql 增量導入 Hive 的工具，把 Hive 中歷史數(shù)據(jù)和當天增量部分做合并。DataX / DataY 負責將 Mysql 中的數(shù)據(jù)同步到數(shù)倉當中，F(xiàn)lume 作為日志數(shù)據(jù)的主要通道，同時也是 Mysql binlog 同步到 HDFS 的管道，供 DataY 做增量合并使用。

第二層是大數(shù)據(jù)的計算框架，主要分成兩部分：分布式存儲計算和實時計算，實時框架目前主要支持 JStorm，Spark Streaming 和 Flink，其中 Flink 是今年開始支持的；而分布式存儲和計算框架這邊，底層是 Hadoop 和 Hbase，ETL主要使用 Hive 和 Spark，交互查詢則會使用 Spark，Presto，實時 OLAP 系統(tǒng)今年引入了 Druid，提供日志的聚合查詢能力。

第三層是數(shù)據(jù)平臺部分，數(shù)據(jù)平臺是直接面對數(shù)據(jù)開發(fā)者的，包括幾部分的功能，數(shù)據(jù)開發(fā)平臺，包括日常使用的調度，數(shù)據(jù)傳輸，數(shù)據(jù)質量系統(tǒng)；數(shù)據(jù)查詢平臺，包括ad-hoc查詢以及元數(shù)據(jù)查詢。有關有贊數(shù)據(jù)平臺的詳細介紹可以參考往期有贊數(shù)據(jù)平臺的博客內容。
　　

從2017年二季度，有贊數(shù)據(jù)組的同學們開始了 SparkSQL 方面的嘗試，主要的出發(fā)點是當時集群資源是瓶頸，Hive 跑任務已經(jīng)逐漸開始乏力，有些復雜的 SQL，通過 SQL 的邏輯優(yōu)化達到極限，仍然需要幾個小時的時間。業(yè)務數(shù)據(jù)量正在不斷增大，這些任務會影響業(yè)務對外服務的承諾。同時，隨著 Spark 以及其社區(qū)的不斷發(fā)展，Spark 及 Spark SQL 本身技術的不斷成熟，Spark 在技術架構和性能上都展示出 Hive 無法比擬的優(yōu)勢。

從開始上線提供離線任務服務，再到 Hive 任務逐漸往 SparkSQL 遷移，踩過不少坑，也填了不少坑，這里主要分兩個方面介紹，一方面是我們對 SparkSQL 可用性方面的改造以及優(yōu)化，另一方面是 Hive 遷移時遇到的種種問題以及對策。

可用性問題包括兩方面，一個是系統(tǒng)的穩(wěn)定性，監(jiān)控/審計/權限等，另一個是用戶使用的體驗，用戶以前習慣用 Hive，如果 SparkSQL 的日志或者 Spark thrift server 的 UI 不能夠幫助用戶定位問題，解決問題，那也會影響用戶的使用或者遷移意愿。所以我首先談一下用戶交互的問題。

我們碰到的第一個問題是用戶向我們抱怨通過 JDBC 的方式和 Spark thrift server(STS) 交互，執(zhí)行一個 SQL 時，沒有執(zhí)行的進度信息，需要一直等待執(zhí)行成功，或者任務出錯時接收任務報錯郵件得知執(zhí)行完。于是執(zhí)行進度讓用戶可感知是一個必要的功能。我們做了 Spark 的改造，增加運行時的 operation 日志，并且向社區(qū)提交了 patch(spark-22496)， 而在我們內部，更增加了執(zhí)行進度日志，每隔2秒打印出當前執(zhí)行的 job/stage 的進度，如下圖所示。

SparkSQL 需要收集 STS 上執(zhí)行的 SQL 的審計信息，包括提交者執(zhí)行的具體 SQL，開始結束時間，執(zhí)行完成狀態(tài)。原生 STS 會把這些信息通過事件的方式 post 到事件總線，監(jiān)聽者角色 (HiveThriftServer2Listener) 在事件總線上注冊，訂閱消費事件，但是這個監(jiān)聽者只負責 Spark UI 的 JDBC Tab 上的展示，我們改造了 SparkListener 類，將 session 以及執(zhí)行的 sql statement 級別的消息也放到了總線上，監(jiān)聽者可以在總線上注冊，以便消費這些審計信息，并且增加了一些我們感興趣的維度，如使用的 cpu 資源，歸屬的工作流(airflowId)。同時，我們增加了一種新的完成狀態(tài) cancelled，以方便區(qū)分是用戶主動取消的任務。

相比于 HiveServer，STS 是比較脆弱的，一是由于 Spark 的 driver 是比較重的，所有的作業(yè)都會通過 driver 編譯 sql，調度 job/task 執(zhí)行，分發(fā) broadcast 變量，二是對于每個 SQL，相比于 HiveServer 會新起一個進程去處理這個 SQL 的執(zhí)行，STS 只有一個進程去處理，如果某個 SQL 有異常，查詢了過多的數(shù)據(jù)量， STS 有 OOM 退出的風險，那么生產環(huán)境維持 STS 的穩(wěn)定性就顯得無比重要。

除了必要的存活報警，首先我們區(qū)分了 ad-hoc 查詢和離線調度的 STS 服務，因為離線調度的任務往往計算結束時是把結果寫入 table 的，而 ad-hoc 大部分是直接把結果匯總在 driver，對 driver 的壓力比較大；此外，我們增加了基于 ZK 的高可用。對于一種類型的 STS（事實上，有贊的 STS 分為多組，如 ad-hoc，大內存配置組）在 ZK 上注冊一個節(jié)點，JDBC 的連接直接訪問 ZK 獲取隨機可用的 STS 地址。這樣，偶然的 OOM ，或者 bug 被觸發(fā)導致 STS 不可用，也不會嚴重到影響調度任務完全不可用，給開發(fā)運維人員比較充足的時間定位問題。

之后有另一個文章詳細介紹我們對于安全和權限的建設之路，這里簡單介紹一下，Hive的權限控制主要包括以下幾種:

SQL Standards Based Hive Authorization
Storage Based Authorization in the Metastore
ServerAuthorization using Apache Ranger & Sentry

調研對比各種實現(xiàn)方案之后，由于我們是從無到有的增加了權限控制，沒有歷史負擔。我們直接選擇了ranger + 組件 plugin 的權限管理方案。

除了以上提到的幾個點，我們還從社區(qū) backport 了數(shù)十個 patch 以解決影響可用性的問題，如不識別 hiveconf/hivevar (SPARK-13983)，最后一行被截斷(HIVE-10541) 等等。

之前談到，STS 只有一個進程去處理所有提交 SQL 的編譯，所有的 SQL Job 共享一個 Hive 實例，更糟糕的是這個 Hive 實例還有處理 loadTable/loadPartition 這樣的 IO 操作，會阻塞其他任務的編譯，存在單點問題。我們之前測試一個上萬 partition 的 Hive 表在執(zhí)行 loadTable 操作時，會阻塞其他任務提交，時間長達小時級別。對于 loadTable 這樣的IO操作，要么不加鎖，要么減少加鎖的時間。我們選擇的是后者，首先采用的是社區(qū) SPARK-20187 的做法，將 loadTable 實現(xiàn)由 copyFile 的方式改為 moveFile，見下圖：

之后變更了配置spark.sql.hive.metastore.jars=maven，運行時通過 Maven 的方式加載 jar 包，解決包依賴關系，使得加載的 Hive 類是2.1.1的版本，和我們 Hive 版本一致，這樣得好處是很多行為都會和 Hive 的相一致，方便排查問題；比如刪除文件到 Trash，之前 SparkSQL 刪除表或者分區(qū)后是不會落到 Trash 的。

我們在使用 SparkSQL 過程中，發(fā)現(xiàn)小文件的問題比較嚴重，SparkSQL 在寫數(shù)據(jù)時會產生很多小文件，會對 namenode 產生很大的壓力，進而帶來整個系統(tǒng)穩(wěn)定性的隱患，最近三個月文件個數(shù)幾乎翻了個倍。對于小文件問題，我們采用了社區(qū) SPARK-24940 的方式處理，借助 SQL hint 的方式合并小文件。同時，我們有一個專門做 merge 的任務，定時異步的對天級別的分區(qū)掃描并做小文件合并。

還有一點是spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version=2, MapReduce-4815 詳細介紹了 fileoutputcommitter 的原理，實踐中設置了 version=2 的比默認 version=1 的減少了70%以上的 commit 時間。

解決了大部分的可用性問題以后，我們逐步開始了 SparkSQL 的推廣，引導用戶選擇 SparkSQL 引擎，絕大部分的任務的性能能得到較大的提升。于是我們進一步開始將原來 Hive 執(zhí)行的任務向 SparkSQL 轉移。

在 SparkSQL 遷移之初，我們選擇的路線是遵循二八法則，從優(yōu)化耗費資源最多的頭部任務開始，把Top100的任務從 Hive 往 SparkSQL 遷移，逐步積累典型錯誤，包括 SparkSQL 和Hive的不一致行為，比較典型的問題由ORC格式文件為空，Spark會拋空指針異常而失敗，ORC 格式和 metastore 類型不一致，SparkSQL 也會報錯失敗。經(jīng)過一波人工推廣之后，頭部任務節(jié)省的資源相當客觀，在2017年底，切換到 SparkSQL 的任務數(shù)占比5%，占的資源20%，資源使用僅占 Hive 運行的10%-30%。

在 case by case 處理了一段時間以后，我們發(fā)現(xiàn)這種方式不太能夠擴展了。首先和作業(yè)的 owner 協(xié)商修改需要溝通成本，而且小作業(yè)的改動收益不是那么大，作業(yè)的 owner 做這樣的改動對他來說收益比較小，反而有一定概率的風險。所以到這個階段 SparkSQL 的遷移之路進展比較緩慢。

于是我們開始構思自動化遷移方式，構思了一種執(zhí)行引擎之上的智能執(zhí)行引擎選擇服務 SQL Engine Proposer(proposer)，可以根據(jù)查詢的特征以及當前集群中的隊列狀態(tài)為 SQL 查詢選擇合適的執(zhí)行引擎。數(shù)據(jù)平臺向某個執(zhí)行引擎提交查詢之前，會先訪問智能執(zhí)行引擎選擇服務。在選定合適的執(zhí)行引擎之后，數(shù)據(jù)平臺將任務提交到對應的引擎，包括 Hive，SparkSQL，以及較大內存配置的 SparkSQL。

并且在 SQL Engine Proposer，我們添加了一系列策略：

規(guī)則策略，這些規(guī)則可以是某一種 SQL pattern，proposer 使用 Antlr4 來處理執(zhí)行引擎的語法，對于某些遷移有問題的問題，將這種 pattern 識別出來，添加到規(guī)則集合中，典型的規(guī)則有沒有發(fā)生 shuffle 的任務，或者只發(fā)生 broadcast join 的任務，這些任務有可能會產生很多小文件，并且邏輯一般比較簡單，使用Hive運行資源消耗不會太多。

白名單策略，有些任務希望就是用Hive執(zhí)行，就通過白名單過濾。當 Hive 和 SparkSQL 行為不一致的時候，也可以先加入這個集合中，保持執(zhí)行和問題定位能夠同時進行。

優(yōu)先級策略，在灰度遷移的時候，是從低優(yōu)先級任務開始的，在 proposer 中我們配置了灰度的策略，從低優(yōu)先級任務切一定的流量開始遷移，逐步放開，在優(yōu)先級內達到全量，目前放開了除 P1P2 以外的3級任務。

過往執(zhí)行記錄，proposer 選擇時會根據(jù)歷史執(zhí)行成功情況以及執(zhí)行時間，如果 SparkSQL 效率比 Hive 有顯著提升，并且在過去一直執(zhí)行成功，那么 proposer 會更傾向于選擇 SparkSQL。

截止目前，執(zhí)行引擎選擇的作業(yè)數(shù)中 SparkSQL 占比達到了73%，使用資源僅占32%，遷移到 SparkSQL 運行的作業(yè)帶來了67%資源的節(jié)省。

我們計劃 Hadoop 集群資源進一步向 SparkSQL 方向轉移，達到80%，作業(yè)數(shù)達70%，把最高優(yōu)先級也開放到選擇引擎，引入 Intel 開源的 Adaptive Execution 功能，優(yōu)化執(zhí)行過程中的 shuffle 數(shù)目，執(zhí)行過程中基于代價的 broadcast
join 優(yōu)化，替換 sort merge join，同時更徹底解決小文件問題。

最后打個小廣告，有贊大數(shù)據(jù)團隊基礎設施團隊，主要負責有贊的數(shù)據(jù)平臺(DP), 實時計算(Storm, Spark Streaming, Flink)，離線計算(HDFS, YARN, HIVE, SPARK SQL)，在線存儲（HBase），實時 OLAP(Druid) 等數(shù)個技術產品，歡迎感興趣的小伙伴聯(lián)系 zouchenjun@youzan.com