转载

自定义Spark Partitioner提升es-hadoop Bulk效率

前言

之前写过一篇文章，如何提高ElasticSearch 索引速度。除了对ES本身的优化以外，我现在大体思路是尽量将逻辑外移到Spark上,Spark的分布式计算能力强，cpu密集型的很适合。这篇文章涉及的调整也是对 SparkES 多维分析引擎设计中提及的一个重要概念“shard to partition ,partition to shard ” 的实现。不过目前只涉及到构建索引那块。

问题描述

当你bulk数据到集群，按照 ElasticSearch Bulk 源码解析所描述的:

接着通过executeBulk方法进入原来的流程。在该方法中，对bulkRequest.requests 进行了两次for循环。

第一次判定如果是IndexRequest就调用IndexRequest.process方法，主要是为了解析出timestamp,routing,id,parent 等字段。

第二次是为了对数据进行分拣。大致是为了形成这么一种结构：

第二次就是对提交的数据进行分拣，然后根据route/_id 等值找到每个数据所属的Shard，最后将数据发送到对应Shard所在的Node节点上。

然而这导致了两个问题：

ES Node之间会形成N*N个连接，消耗掉过多的bulk线程
出现了很多并不需要的网络IO

所以我们希望能够避免这种情况。

Spark Partition to ES Shard

我们希望能够将分拣的逻辑放到Spark端，保证Spark 的Partition 和ES的Shard 一一对应，并且实现特定的Partitoner 保证数据到达ES都会被对应的Shard所在的节点直接消费，而不会再被转发到其他节点。经过我的实际测试，做了该调整后，写入QPS有两倍以上的提升

理论基础

这里的理论基础自然是es-hadoop项目。

类的调用路径关系为：

EsSpark ->       EsRDDWriter ->             RestService ->                    RestRepository ->                              RestClient ->                                 NetworkClient ->                                          CommonsHttpTransport

简单介绍下他们的作用：

EsSpark, 读取ES和存储ES的入口。通过隐式转换，会显得更Spark.
EsRDDWriter ,调用RestService创建PartitionWriter,对ES进行数据写入
RestService，负责创建 RestRepository，PartitionWriter
RestRepository，bulk高层抽象，底层利用NetworkClient做真实的http请求，另外也维护Buffer相关的，典型比如积攒了多少条，多少M之后进行flush等。
NetworkClient 对 CommonsHttpTransport的封装，主要添加了一些节点校验功能。
CommonsHttpTransport 你可以认为是对HttpClient的一个封装

原来我以为需要对es-hadoop项目的源码进行修改才能实现前面提到的逻辑。事实上基于es-hadoop很容易实现上面提到的需求。

在RestService类里，构建RestRepository的时候，会判定是多索引还是单索引。对应代码如下：

RestRepository repository = (iformat.hasPattern() ?  initMultiIndices(settings, currentSplit, resource, log) :  initSingleIndex(settings, currentSplit, resource, log));

这里我们只解析单索引部分代码，在对应的initSingleIndex方法里有如下代码：

int bucket = currentInstance % targetShards.size(); Shard chosenShard = orderedShards.get(bucket); Node targetNode = targetShards.get(chosenShard);

targetShards 是索引所有的主分片到对应Node节点的映射。
orderedShards 则是根据shardId 顺序排序Shard集合
currentInstance 是partitionId

这里我们假设partitonId 和 shardId 是对应的。也就是partitionId 0 里的数据，都是属于shardId 为0,则，

currentInstance < targetShards.size()
bucket == currentInstance
对应的targetNode持有的Shard正好可以消化掉currentInstance partition 分区的数据

所以我们唯一要做的就是实现一个Partitioner就好。

ESShardPartitioner 实现

涉及到这块的主要有 es-hadoop 的mr以及 spark模块。在mr模块里包含了ES的分片规则实现。 spark 模块则包含ESShardPartitioner类。

代码如下：

package org.elasticsearch.spark import .... class ESShardPartitioner(settings:String) extends Partitioner {       protected val log = LogFactory.getLog(this.getClass())        protected var _numPartitions = -1         override def numPartitions: Int = {            val newSettings = new PropertiesSettings().load(settings)         val repository = new RestRepository(newSettings)         val targetShards = repository.getWriteTargetPrimaryShards(newSettings.getNodesClientOnly())         repository.close()         _numPartitions = targetShards.size()         _numPartitions       }        override def getPartition(key: Any): Int = {         val shardId = ShardAlg.shard(key.toString(), _numPartitions)         shardId       } }  public class ShardAlg {     public static int shard(String id, int shardNum) {         int hash = Murmur3HashFunction.hash(id);         return mod(hash, shardNum);     }      public static int mod(int v, int m) {         int r = v % m;         if (r < 0) {             r += m;         }         return r;     } }

使用方式如下：

......partitionBy(new ESShardPartitioner(settings)).foreachPartition { iter =>       try {         val newSettings = new PropertiesSettings().load(settings)         //创建EsRDDWriter         val writer = EsRDDCreator.createWriter(newSettings.save())         writer.write(TaskContext.get(), iter.map(f => f._2))               }

不过这种方式也是有一定大问题，就是如果ES的Shard数目比较小，导致Spark的partition数也小，写入并发性会受到影响。

所以这里有第二套方案：

修改ESShardPartitioner，可以让多个分区对应一个Shard
每个分区通过EsRDDWriter指定shardId进行写入。

第二点可能需要修改es-hadoop源码了，不过修改也很简单，通过settings传递shardId,然后在RestService.initSingleIndex添加如下代码：

if(settings.getProperty(ConfigurationOptions.ES_BULK_SHARDID) != null){    targetNode = targetShards.get( Integer.parseInt( settings.getProperty(ConfigurationOptions.ES_BULK_SHARDID))); }

在创建EsRDDWriter时拷贝settings的副本并且加入对应的ConfigurationOptions.ES_BULK_SHARDID.

原文 http://www.jianshu.com/p/cccc56e39429

正文到此结束