2.《云计算(第三版)》配套PPT之二：第2章 Google云计算原理与应用(一)

of42电子工业出版社《云计算(第三版)》配套课件云计算（第三版）CLOUDCOMPUTINGThirdEdition主编：刘鹏教授第2章Google云计算原理与应用（一）本套PPT下载地址：=20云计算的红宝书书籍购买地址：=1469775685&p=-1微信扫描二维码关注云计算头条电子工业出版社《云计算(第三版)》配套课件2（包邮且有刘鹏教授亲笔签名）教授、博导、学科带头人，清华大学博士。现任中国云计算专家咨询委员会秘书长、中国信息协会大数据分会副会长、工业与信息化部云计算研究中心专家。主持完成科研项目25项，发表论文80余篇，出版专业书籍15本。获部级科技进步二等奖4项、三等奖4项。主编了国内第一本云计算教材《云计算》和第一本云计算编程书籍《实战Hadoop》。创办了知名的中国云计算（chinacloud.cn）和中国大数据（thebigdata.cn）网站。曾率队夺得2002PennySort国际计算机排序比赛冠军，两次夺得全国高校科技比赛最高奖，并三次夺得清华大学科技比赛最高奖。荣获“全军十大学习成才标兵”（排名第一）、南京“十大杰出青年”、江苏省“333高层次人才培养工程”中青年科学技术带头人、清华大学“学术新秀”等称号。刘鹏of42《云计算》第三版配套PPT课件目录2.1Google文件系统GFS2.2分布式数据处理MapReduce2.3分布式锁服务Chubby2.4分布式结构化数据表Bigtable2.5分布式存储系统Megastore2.6大规模分布式系统的监控基础架构Dapper2.7海量数据的交互式分析工具Dremel2.8内存大数据分析系统PowerDrill2.9Google应用程序引擎of42《云计算》第三版配套PPT课件全球最大搜索引擎、GoogleMaps、GoogleEarth、Gmail、YouTube等。这些应用的共性在于数据量巨大，且要面向全球用户提供实时服务。of42《云计算》第三版配套PPT课件2.1Google文件系统GFS2.1.1系统架构2.1.2容错机制2.1.3系统管理技术of42《云计算》第三版配套PPT课件GFS的系统架构应用程序GFS客户端(文件名，Chunk索引)(Chunk句柄Chunk位置)GFS主服务器文件命名空间/foo/barChunk2ef0向数据块服务器发出指令数据块服务器状态GFS数据块服务器Linux文件系统GFS数据块服务器Linux文件系统……(Chunk句柄，字节范围)Chunk数据…标注：数据信息控制信息72.1Google文件系统GFSof42《云计算》第三版配套PPT课件GFS将整个系统节点分为三类角色Client（客户端）Master（主服务器）ChunkServer（数据块服务器）Client是GFS提供给应用程序的访问接口，以库文件的形式提供Master是GFS的管理节点，负责整个文件系统的管理ChunkServer负责具体的存储工作系统节点GFS82.1Google文件系统GFSof42《云计算》第三版配套PPT课件GFS的实现机制客户端首先访问Master节点，获取交互的ChunkServer信息，然后访问这些ChunkServer，完成数据存取工作。这种设计方法实现了控制流和数据流的分离。Client与Master之间只有控制流，而无数据流，极大地降低了Master的负载。Client与ChunkServer之间直接传输数据流，同时由于文件被分成多个Chunk进行分布式存储，Client可以同时访问多个ChunkServer，从而使得整个系统的I/O高度并行，系统整体性能得到提高。92.1Google文件系统GFSof42《云计算》第三版配套PPT课件GFS的特点1采用中心服务器模式可以方便地增加ChunkServerMaster掌握系统内所有ChunkServer的情况，方便进行负载均衡不存在元数据的一致性问题102.1Google文件系统GFSof42《云计算》第三版配套PPT课件GFS的特点2不缓存数据文件操作大部分是流式读写，不存在大量重复读写，使用Cache对性能提高不大ChunkServer上数据存取使用本地文件系统从可行性看，Cache与实际数据的一致性维护也极其复杂112.1Google文件系统GFSof42《云计算》第三版配套PPT课件GFS的特点3在用户态下实现利用POSIX编程接口存取数据降低了实现难度，提高通用性POSIX接口提供功能更丰富用户态下有多种调试工具Master和ChunkServer都以进程方式运行，单个进程不影响整个操作系统GFS和操作系统运行在不同的空间，两者耦合性降低122.1Google文件系统GFSof42《云计算》第三版配套PPT课件2.1Google文件系统GFS2.1.1系统架构2.1.2容错机制2.1.3系统管理技术of42《云计算》第三版配套PPT课件Master容错为了防止Master彻底死机的情况，GFS还提供了Master远程的实时备份Master命名空间（NameSpace），也就是整个文件系统的目录结构。Chunk与文件名的映射表。Chunk副本的位置信息，每一个Chunk默认有三个副本。日志直接保存在各个ChunkServer上当Master发生故障时，在磁盘数据保存完好的情况下，可以迅速恢复以上元数据142.1Google文件系统GFSof42《云计算》第三版配套PPT课件ChunkServer容错GFS采用副本的方式实现ChunkServer的容错每一个Chunk有多个存储副本（默认为三个）对于每一个Chunk，必须将所有的副本全部写入成功，才视为成功写入相关的副本出现丢失或不可恢复等情况，Master自动将该副本复制到其他ChunkServerGFS中的每一个文件被划分成多个Chunk，Chunk的默认大小是64MB每一个Chunk以Block为单位进行划分，大小为64KB，每一个Block对应一个32bit的校验和152.1Google文件系统GFSof42《云计算》第三版配套PPT课件2.1Google文件系统GFS2.1.1系统架构2.1.2容错机制2.1.3系统管理技术of42《云计算》第三版配套PPT课件系统管理技术系统管理技术大规模集群安装技术故障检测技术节点动态加入技术节能技术GFS集群中通常有非常多的节点，需要相应的技术支撑GFS构建在不可靠廉价计算机之上的文件系统，由于节点数目众多，故障发生十分频繁新的ChunkServer加入时，只需裸机加入，大大减少GFS维护工作量Google采用了多种机制降低服务器能耗，如采用蓄电池代替昂贵的UPS172.1Google文件系统GFSof42《云计算》第三版配套PPT课件目录2.1Google文件系统GFS2.2分布式数据处理MapReduce2.3分布式锁服务Chubby2.4分布式结构化数据表Bigtable2.5分布式存储系统Megastore2.6大规模分布式系统的监控基础架构Dapper2.7海量数据的交互式分析工具Dremel2.8内存大数据分析系统PowerDrill2.9Google应用程序引擎of42《云计算》第三版配套PPT课件2.2分布式数据处理MapReduce2.2.1产生背景2.2.2编程模型2.2.3实现机制2.2.4案例分析of42《云计算》第三版配套PPT课件产生背景GoogleMapReduce架构设计师JeffreyDeanJefferyDean设计一个新的抽象模型，封装并行处理、容错处理、本地化计算、负载均衡的细节，还提供了一个简单而强大的接口。这就是MapReduce202.2分布式数据处理MapReduceof42《云计算》第三版配套PPT课件MapReduce这种并行编程模式思想最早是在1995年提出的。与传统的分布式程序设计相比，MapReduce封装了并行处理、容错处理、本地化计算、负载均衡等细节，还提供了一个简单而强大的接口。MapReduce把对数据集的大规模操作，分发给一个主节点管理下的各分节点共同完成，通过这种方式实现任务的可靠执行与容错机制。产生背景212.2分布式数据处理MapReduceof42《云计算》第三版配套PPT课件2.2分布式数据处理MapReduce2.2.1产生背景2.2.2编程模型2.2.3实现机制2.2.4案例分析of42《云计算》第三版配套PPT课件编程模型MapMapMapReduceReduce原始数据1原始数据2原始数据M…结果1结果R…Map函数——对一部分原始数据进行指定的操作。每个Map操作都针对不同的原始数据，因此Map与Map之间是互相独立的，这使得它们可以充分并行化。Reduce操作——对每个Map所产生的一部分中间结果进行合并操作，每个Reduce所处理的Map中间结果是互不交叉的，所有Reduce产生的最终结果经过简单连接就形成了完整的结果集.232.2分布式数据处理MapReduceof42《云计算》第三版配套PPT课件编程模型Map:(in_key,in_value){(keyj,valuej)|j=1…k}Reduce:(key,[value1,…,valuem])(key,final_value)Map输入参数：in_key和in_value，它指明了Map需要处理的原始数据Map输出结果：一组key,value对，这是经过Map操作后所产生的中间结果Reduce输入参数：（key,[value1,…,valuem]）Reduce工作：对这些对应相同key的value值进行归并处理Reduce输出结果：（key,final_value），所有Reduce的结果并在一起就是最终结果242.2分布式数据处理MapReduceof42《云计算》第三版配套PPT课件2.2分布式数据处理MapReduce2.2.1产生背景2.2.2编程模型2.2.3实现机制2.2.4案例分析of42《云计算》第三版配套PPT课件实现机制262.2分布式数据处理MapReduceof42《云计算》第三版配套PPT课件实现机制（1）MapReduce函数首先把输入文件分成M块（2）分派的执行程序中有一个主控程序Master（3）一个被分配了Map任务的Worker读取并处理相关的输入块（4）这些缓冲到内存的中间结果将被定时写到本地硬盘，这些数据通过分区函数分成R个区（5）当Master通知执行Reduce的Worker关于中间key,value对的位置时，它调用远程过程，从MapWorker的本地硬盘上读取缓冲的中间数据（6）ReduceWorker根据每一个唯一中间key来遍历所有的排序后的中间数据，并且把key和相关的中间结果值集合传递给用户定义的Reduce函数（7）当所有的Map任务和Reduce任务都完成的时候，Master激活用户程序272.2分布式数据处理MapReduceof42《云计算》第三版配套PPT课件容错机制由于MapReduce在成百上千台机器上处理海量数据，所以容错机制是不可或缺的。总的来说，MapReduce通过重新执行失效的地方来实现容错。Master失效Worker失效Master会周期性地设置检查点（checkpoint），并导出Master的数据。一旦某个任务失效，系统就从最近的一个检查点恢复并重新执行。由于只有一个Master在运行，如果Master失效了，则只能终止整个MapReduce程序的运行并重新开始。Master会周期性地给Worker发送ping命令，如果没有Worker的应答，则Master认为Worker失效，终止对这个Worker的任务调度，把失效Worker的任务调度到其他Worker上重新执行。282.2分布式数据处理MapReduceof42《云计算》第三版配套PPT课件2