Gobblin部署模式

Overview

       Gobblin可以运行在不同的平台上。现在，Gobblin可以运行在standalone模式（单机）和Hadoop MapReduce模式（Hadoop集群），以及Yarn框架上。下面将要介绍Gobblin不同部署模式的架构。
       Gobblin支持 Java 7 及以上版本，只能运行在Hadoop 2.x版本上。

Standalone架构

       下图展示了Gobblin standalone的架构。在standalone模式下，Gobblin的实例运行在单个的JVM上，且任务由一个可配置的线程池来运行。standalone模式适用于小型的数据库。Gobblin的默认模式为standalone。

image.png

       在standalone模式下，JobScheduler作为一个守护进程运行，使用JobLaunchers调度和运行作业。JobScheduler维护一个线程池，每个job运行都会启动从其中启动一个新的JobLauncher。Gobblin提供两种类型的JobLauchers，LocalJobLauncher和MRJobLauncher，分别用在单机和MapReduce上。
       每个LocalJobLauncher启动并管理一些组件来执行Gobblin Job的task。具体来说，TaskExecutor负责在线程池中执行任务，其大小可以根据每个作业配置。LocalTaskStateTracker负责跟踪正在运行的任务的状态，特别是更新任务指标。LocalJobLauncher按照以下步骤启动并运行一个Gobblin作业:
1.启动TaskExecutor和LocalTaskStateTracker。
2.创建作业配置中指定的Source类的实例，并获取要执行的WorkUnits列表。
3.为列表中的每个WorkUnits创建任务，向LocalTaskStateTracker注册任务，并将任务提交给要运行的TaskExecutor。
4.等待所有提交的任务完成。
5.在完成所有提交的任务后，收集任务状态并将它们持久化到状态存储，并发布提取的数据。

Hadoop MapReduce架构

       下图展示了Gobblin运行在MapReduce上的架构。如图所示，Gobblin作业被变成一个只有mapper的MapReduce任务。这里的基本思想是使用mappers作为容器来运行Gobblin任务。

image.png

       在这种模式下，MRJobLauncher用于在Hadoop MapReduce上启动和运行Gobblin作业，步骤如下:
1.创建作业配置中指定的Source类的实例，并获取要执行的WorkUnits列表。
2.将每个WorkUnits序列化到HDFS上的文件中，稍后映射器将读取该文件。
3.创建一个列出存储序列化WorkUnits的文件路径的文件。
4.创建和配置一个只使用mapper的Hadoop MapReduce作业，该作业将步骤3中创建的文件作为输入。
5.启动MapReduce作业以在选择的集群上运行，并等待它完成。
6.完成MapReduce作业后，收集任务状态并将它们持久化到状态存储区，并发布提取的数据。
       Gobblin MapReduce作业中的mapper运行一个或多个任务，具体取决于要执行的workunit数量和作业配置中指定的(可选的)最大mapper数量。如果作业配置中没有指定mapper的最大数量，则每个workunit对应一个mapper执行的任务，每个mapper只运行一个任务。否则，如果指定了最大mapper数量，且workunit数量超过允许的最大mapper数量，则每个mapper可以处理多个workunit。还有一种名为MultiWorkUnit的特殊类型的workunit，它将多个要在单个mapper中的批处理中一起执行的workunit分组在一起。

       Gobblin MapReduce作业中的mapper按照以下步骤运行分配给它的任务:
1.启动TaskExecutor，负责在可配置大小的线程池中执行任务；启动MRTaskStateTracker，负责跟踪mapper中正在运行的任务状态。
2.读取下一个输入记录，该记录是存储序列化workunit的文件的路径。
3.反序列化workunit并将其添加到要执行的workunit列表中。如果输入是一个MultiWorkUnit，那么它包装的workunit将全部添加到列表中。重复步骤2和步骤3，直到所有分配的workunit都被反序列化并添加到列表中。
4.对于要执行的任务列表中的每个workunit，为workunit创建一个任务，向MRTaskStateTracker注册任务，并将任务提交给要运行的TaskExecutor。
5.等待所有提交的任务完成。
6.在完成所有提交的任务后，将每个任务的状态写到一个文件中，当收集任务状态时，MRJobLauncher将读取该文件。
7.返回步骤2，如果可用，读取下一个输入记录。