前言
做过hadoop集群问题排查工作的同学一定用过JobHistory,这是一个非常好用的"利器",为什么这么说呢?正如这个工具的名称所叫的那样,这个工具能帮你找到历史Job跑过的信息,而信息的记录非常的详细,从Job到Task再到TaskAttempt.假如这时候,1个Job突然执行失败了,你想查明原因,在JobHistory的web界面上依次点击详情链接,基本上都能够找到原因.可是看似非常完美的Job分析工具,也有很多使用起来不是非常方便的地方,于是乎,我们想对此进行一些改进,使其更加易用,同一时候相信能给相同在使用jobHistory的人提供帮助.
现有JobHistory的不足之处
从開始使用这个分析工具到如今,1个让我一直用着特别不爽的地方是,非常难迅速查到历史时间稍稍远一些的Job信息,由于有的时候我要做同一时候段的Job执行情况对照,包含执行时长,Task失败次数等等指标.所以你须要把昨天,前天的数据拉出来.然后非常多人的正常反应就是把Jobhistory页面上默认显示的Job条数加大,以此显示更长时间的Job.这种方法既简单又方便,通过更改以下这个配置项,并重新启动JobHistory就能够立刻做到:
<property> <name>mapreduce.jobhistory.joblist.cache.size</name> <value>20000</value> <description>Size of the job list cache</description> </property>
这个默认值是显示2w条,大家千万不要以为这个值非常大,当你的集群1天能跑上万个job的时候,这个值显然是偏小的,你仅仅能显示到近2,3天的数据,假设突然我想看上周的数据,发现没法看了,这简直就是恶梦.当时我们也遇到了这种情况,然后我们把这个配置项调大到10w,这样就能够保留近一段时间的数据了.可是另外一个问题暴露出来了,页面载入太慢,JobHistory的主页面在1分钟之内是别想显示出来了,大家假设读过jobHistory页面的渲染代码,你能够看到,他的页面是直接全部渲染好之后显示的,并没有说所谓的每页仅仅载入一部分,你要载入10w
条记录,我立即返回10w条记录,构成超级大的html页面,返回到浏览器上,所以我们后来发现非常多的时间开销都花在下载页面的时间上,而非后端返回Job列表信息的时间上.可是没有办法,为了能看到很多其它的历史数据,仅仅能牺牲一下用户体验了.相信博友们其中肯定有一部分人也遇到了这种问题.描写叙述了这么多,事实上我们终于想要达到的1个目标就是,我既想不用显示那么多的Job数据,保留近期1天的就可以,使得页面能迅速打开,其次我又能够查到历史数据.显然,这在原本的jobHistory中是无法兼顾的,所以我们能够改造一下他,使得这个工具能够更加"智能化"一些.
JobHistory使用现状
以下来看看,眼下一般hadoop开发人员是怎样使用jobHistory,一般都会用到以下这个button:
这个一个非常广的搜索button,Job页面信息载入完毕之后,你能够输入你想要的目标Job名称,过滤结果立即就会出现,当你把查询字符串进行清除,Job列表记录又会恢复到原样.非常显然,这是1个非常easy直接化的搜索功能.我就这么多的信息,有就显示,没有就不显示.所以要想达到上小节中提到的优化目标,我们必须在搜索功能上进行优化改造.当然,我们会保留眼下的搜索button,保持其不变.
JobHistory搜索优化目标
从上文中我们知道要做到JobHistory"智能化",须要在搜索功能方面进行改造.那么详细什么样的搜索场景是我们比較easy碰到的呢?
第一个,依据Job名称,我们知道失败的Job名称,然后,进行查询.
第二个,依据Jobid,我们从日志中或其它途径得到失败的Job,直接进行Job搜索,跳转至详情页.
并且还有最关键的1个前提,上述搜索功能的实现是不依赖前端页面显示的Job信息列表,比方我Job显示数量配成10条,我依旧能够查到1周前某某失败Job的信息.以下是几个要点:
1.这里就须要做到jobHistory前后端cache-job数的配置分离,眼下用的都是同一个配置,所以会导致上述这种问题.
2.完毕第二个需求点比第一个easy,由于第二个有jobid,直接进行链接的拼装,直接进行一个重定向就能够解决,全部的Job详情页信息链接都是一个模板,不用实现得过于复杂.
3.第一个需求须要后端通过传进来的Job名称做一些过滤处理,然后再返给前端展示,过滤掉绝大多数没用的Job信息.像相似于这种需求,假设在普通的业务系统开发中,一定是再简单只是了,那么在hadoop中要怎样改造呢,人家的这一套逻辑实现可没这么简单直接.
JobHistory详细代码改造
前面讲述完目标和方法之后,最后须要真正的从代码层面去实现了,所以须要了解一下眼下JobHistory主页面是怎样得到的,数据哪里来,页面前端代码哪里写的,是直接有现成的.html文件?光凭空猜想是没实用的,仅仅有深入源码的研究分析才干有答案.事实上页面的代码实如今HsJobsBlock.java这个类中.页面渲染的逻辑实现就是在render方法中实现的
/* * (non-Javadoc) * @see org.apache.hadoop.yarn.webapp.view.HtmlBlock#render(org.apache.hadoop.yarn.webapp.view.HtmlBlock.Block) */ @Override protected void render(Block html) { TBODY<TABLE<Hamlet>> tbody = html. h2("Retired Jobs"). table("#jobs"). thead(). tr(). th("Submit Time"). th("Start Time"). th("Finish Time"). th(".id", "Job ID"). th(".name", "Name"). th("User"). th("Queue"). th(".state", "State"). th("Maps Total"). th("Maps Completed"). th("Reduces Total"). th("Reduces Completed"). th("Elapsed Time")._()._(). tbody(); LOG.info("Getting list of all Jobs."); // Write all the data into a JavaScript array of arrays for JQuery // DataTables to display StringBuilder jobsTableData = new StringBuilder("[ "); for (Job j : appContext.getAllJobs().values()) { JobInfo job = new JobInfo(j); jobsTableData.append("["") .append(dateFormat.format(new Date(job.getSubmitTime()))).append("","") .append(dateFormat.format(new Date(job.getStartTime()))).append("","") .append(dateFormat.format(new Date(job.getFinishTime()))).append("","") .append("<a href='").append(url("job", job.getId())).append("'>") .append(job.getId()).append("</a>","") .append(StringEscapeUtils.escapeJavaScript(StringEscapeUtils.escapeHtml( job.getName()))).append("","") .append(StringEscapeUtils.escapeJavaScript(StringEscapeUtils.escapeHtml( job.getUserName()))).append("","") .append(StringEscapeUtils.escapeJavaScript(StringEscapeUtils.escapeHtml( job.getQueueName()))).append("","") .append(job.getState()).append("","") .append(String.valueOf(job.getMapsTotal())).append("","") .append(String.valueOf(job.getMapsCompleted())).append("","") .append(String.valueOf(job.getReducesTotal())).append("","") .append(String.valueOf(job.getReducesCompleted())).append("","") .append( StringUtils.formatTimeSortable(Times.elapsed(job.getStartTime(), job.getFinishTime(), false))).append(""], "); }其中获取历史Job信息的方法就是for循环中出现的appContext.getAllJobs方法.这种方法就会触发后端服务的获取Job信息方法.可是appContext是一个基础类,我们要找到相应的详细实现类,appContext的继承关系例如以下:
非常显然,方法在JobHistory这个类中.会调用到以下的方法:
@Override public Map<JobId, Job> getAllJobs() { return storage.getAllPartialJobs(); }终于会调用到这种方法:
@Override public Map<JobId, Job> getAllPartialJobs() { LOG.debug("Called getAllPartialJobs()"); SortedMap<JobId, Job> result = new TreeMap<JobId, Job>(); try { for (HistoryFileInfo mi : hsManager.getAllFileInfo()) { if (mi != null) { JobId id = mi.getJobId(); result.put(id, new PartialJob(mi.getJobIndexInfo(), id)); } } } catch (IOException e) { LOG.warn("Error trying to scan for all FileInfos", e); throw new YarnRuntimeException(e); } return result; }而全部关于Job执行信息的带.jhist后缀的文件都是由HistoryFileManager这个类所控制的,也就是上述代码中的hsManager.他会返回以下的对象信息:
public Collection<HistoryFileInfo> getAllFileInfo() throws IOException { scanIntermediateDirectory(); return jobListCache.values(); }所以终于返回到前端的信息记录就是jobListCache这个对象.这个对象在初始化的时候就会首先设置cache的大小,就是文章前面提到的那个配置项:
protected JobListCache createJobListCache() { return new JobListCache(conf.getInt( JHAdminConfig.MR_HISTORY_JOBLIST_CACHE_SIZE, JHAdminConfig.DEFAULT_MR_HISTORY_JOBLIST_CACHE_SIZE), maxHistoryAge); }所以说我们必须把这个配置项分离,使前后端的Job信息控制隔离开.大体流程思路清楚之后,我们又一次回到之前的提到的需求点,要实现Job名过滤,所以我们要添加新的接口.我们能够模仿现有的getAllJobs方法,然后在造出1个带參数的getDisplayedJobs(String fileterName).首先你须要在appContext中新增接口定义:
Map<JobId, Job> getDisplayedJobs(String filterName);然后给出默认实现,在他的全部继承类中,開始时直接返回null就可以.然后在HistoryStorage.java中新增相似接口,就是须要被JobHistory调用的方法:
/** * Get partial displayed of the cached jobs. * @param filterName the filter job name * @return all of the cached jobs */ Map<JobId, Job> getPartialDisplayedJobs(String filterName);然后在CachedHistoryStorage给予实现,可是在实现之前,还须要对显示数目做控制,不能在一味的显示全部cache中的Job,所以得在此类中新增配置项,姑且叫做以下的名称
<property> <name>mapreduce.jobhistory.joblist.cache-displayed.size</name> <value>1000</value> <description>The size of job-list cache displayed in the jobHistory web ui. </description> </property>然后初始化此配置项到变量中
@SuppressWarnings("serial") private void createLoadedJobCache(Configuration conf) { ... cacheDisplayedSize = conf.getInt(JHAdminConfig.MR_HISTORY_JOBLIST_CACHE_DISPLAYED_SIZE, JHAdminConfig.DEFAULT_MR_HISTORY_JOBLIST_CACHE_DISPLAYED_SIZE); ... }这个新配置的设计,就是实现前后端Job数量控制的关键一步,然后在用到详细的getJob的方法,实现逻辑例如以下:
@Override public Map<JobId, Job> getPartialDisplayedJobs(String filterName) { LOG.debug("Called getPartialDisplayedJobs()"); String jobName; int cacheJobSize = 0; SortedMap<JobId, Job> result = new TreeMap<JobId, Job>(); try { for (HistoryFileInfo mi : hsManager.getAllFileInfo()) { if (mi != null) { cacheJobSize++; if (cacheJobSize > cacheDisplayedSize) { LOG.info("GetPartialDisplayedJobs operation ends" + ", AllFileInfo size is more than cacheDisplayedSize: " + cacheDisplayedSize); break; } JobId id = mi.getJobId(); jobName = mi.getJobIndexInfo().getJobName(); if (filterName == null || filterName.length() == 0) { result.put(id, new PartialJob(mi.getJobIndexInfo(), id)); } else if (jobName != null && jobName.length() > 0) { if (jobName.contains(filterName)) { result.put(id, new PartialJob(mi.getJobIndexInfo(), id)); } } } } } catch (IOException e) { LOG.warn("Error trying to scan for all FileInfos", e); throw new YarnRuntimeException(e); } return result; }与原先的直接获取Job-cache方法相比,添加数量控制和名字条件筛选过滤.OK,后端代码部分的实现就是如此,以下是前端部分的修改.以下简单阐述一下:
新增參数:
/** * Params constants for the AM webapp and the history webapp. */ public interface AMParams { .... static final String JOBFILTER_NAME = "jobfilter.name"; }修改涉及到链接跳转部分的HsWebApp.java中的代码和导航栏中的链接,默认传入空字符串为Job名称过滤条件:
route(pajoin("/app", JOBFILTER_NAME), HsController.class);
li().a(url("app", ""), "Jobs")._()._();最后在页面代码中更改appContext调用的方法,改为例如以下:
/* * (non-Javadoc) * @see org.apache.hadoop.yarn.webapp.view.HtmlBlock#render(org.apache.hadoop.yarn.webapp.view.HtmlBlock.Block) */ @Override protected void render(Block html) { ... String filterName = $(JOBFILTER_NAME); for (Job j : appContext.getDisplayedJobs(filterName).values()) { JobInfo job = new JobInfo(j); jobsTableData.append("["") .append(dateFormat.format(new Date(job.getSubmitTime()))).append("","") .append(dateFormat.format(new Date(job.getStartTime()))).append("","") .append(dateFormat.format(new Date(job.getFinishTime()))).append("","") .append("<a href='").append(url("job", job.getId())).append("'>") .append(job.getId()).append("</a>","") .append(StringEscapeUtils.escapeJavaScript(StringEscapeUtils.escapeHtml( job.getName()))).append("","") ....OK,至此,智能化搜索第一步完毕,另外1个需求点就比較简单了,由于直接在页面上改造下就能够实现,写端js代码,构造一下链接就可以.
String jobIdSearchClickMethod = "function jobsearch() { "+ " var jobid = $('.jobid').val() "+ " window.location ='/jobhistory/job/' + jobid "+ "} ";最后加上相应的2个搜索button,和js部分代码嵌在页面中就可以.
@Override protected void render(Block html) { TBODY<TABLE<Hamlet>> tbody = html. h2("Retired Jobs"). table("#jobs"). thead(). tr(). th() .$class("ui-state-default").input("jobid").$type(InputType.text) .$name("jobid").$value("input jobid")._()._(). th() .input("search_confirm").$type(InputType.button).$name("search") .$value("Job Search").$onclick("jobsearch()")._()._()._(). tr(). th() .$class("ui-state-default").input("jobname").$type(InputType.text) .$name("jobname").$value("input filetername")._()._(). th() .input("search_confirm").$type(InputType.button).$name("search") .$value("Name Search").$onclick("jobnamesearch()")._()._()._(). tr(). ....
.... String jobIdSearchClickMethod = "function jobsearch() { "+ " var jobid = $('.jobid').val() "+ " window.location ='/jobhistory/job/' + jobid "+ "} "; String jobNameSearchClickMethod = "function jobnamesearch() { "+ " var filtername = $('.jobname').val() "+ " window.location ='/jobhistory/app/' + filtername "+ "} "; html.script().$type("text/javascript"). _("var jobsTableData=" + jobsTableData + " " + jobIdSearchClickMethod + jobNameSearchClickMethod)._();终于呈现的页面效果例如以下所看到的,表格左上角的2个搜索button就是新做的功能,页面看上去会难看一些,可是能用.
搜索功能測试
第一.指定jobid搜索測试
搜索确定后进入相应详情页:
这个链接就是我们用js代码拼装出来的.
第二.指定Job名称搜索
比方我这里已经执行了几个word count測试job.首先任意输入1个无关过滤条件hello(见浏览器链接):
得不到结果,正确.
然后输入word进行匹配:
得到2项记录,满足我们的要求.
前端页面Job个数的数量控制功能,我也測试过了,能够通过,在这里就不截图显示了,大家感兴趣的能够自行把这部分的代码改到自己的hadoop代码中,patch代码链接在下方显示.
相关链接
Github patch链接:https://github.com/linyiqun/open-source-patch/tree/master/mapreduce/MAPREDUCE-hsSearch