★楼主 |
![]() |
性别:男 邮箱:1329289117@qq.com 管理员 |
【主题】:【转载】kettle集群原理分析 | ||||||||||||||||||||||||||||||||||||||||
本文转自:http://blog.csdn.net/dqswuyundong/article/details/5952009 Kettle集群 Kettle是一款开源的ETL工具,以其高效和可扩展性而闻名于业内。其高效的一个重要原因就是其多线程和集群功能。 Kettle的多线程采用的是一种流水线并发的机制,我们在另外的文章中专门有介绍。这里主要介绍的是kettle的集群。 集群允许转换以及转换中的步骤在多个服务器上并发执行。在使用kettle集群时,首先需要定义的是Cluster schema。所谓的Cluster schema就是一系列的子服务器的集合。在一个集群中,它包含一个主服务器(Master)和多个从属服务器服务器(slave)。如下图所示。 子服务器(Slave servers)允许你在远程服务器上执行转换。建立一个子服务器需要你在远程服务器上建立一个叫做“Carte”的 web 服务器,该服务器可以从Spoon(远程或者集群执行)或者转换任务中接受输入。 在以后的描述中,如果我们提到的是子服务器,则包括集群中的主服务器和从属服务器;否则我们会以主服务器和从属服务器来进行特别指定。 设计要让转换是以集群方式执行,首先需要在Spoon中进行图形化的设计工作。定义一个以集群方式运行的转换,主要包括定义cluster schema和定义转换两个步骤。 定义cluster schema创建子服务器 服务tab 选项
注意: 在集群环境下执行转化时,你必须有一个子服务器作为主服务器(master server)而其余所有的子服务器都作为从属服务器(slave) Proxy tab options
创建cluster schema 选项描述
定义转换定义完了cluster schema后,下一步就是定义在集群环境下执行的转换。我们这里展现的只是一个最简单的例子,完全是为了演示而用。现实情况中的集群有可能非常复杂。 首先你像平时一样创建转换,以hop连接连个两个步骤。然后你指定第二个步骤将在集群下执行 然后选择需要使用的集群。转换如图一样显示在GUI中。 注意 Cx4显示这个步骤将在集群中运行,而这个集群中有4个从属服务器。假设我们将计算结果再次存入到数据表中 这个转换虽然定义了集群,但是我们同样可以让它在单机环境下执行,而且可以得到相同的结果。这意味着你可以使用普通的本地模式来测试它。 执行转换要想以集群方式来运行转换或者作业,首先需要启动在Cluster schema中定义的主服务器和从属服务器,然后再运行转换或者作业。 启动子服务器子服务器其实是一个嵌入式的名为Carte的小web server。要进行集群转换,首先需要启动cluster schema中的子服务器 脚本启动 kettle提供了carte.bat和carte.sh(linux)批处理脚本来启动子服务器,这种启动方式分为两种 使用主机号和端口号 Carte 127.0.0.1 8080 Carte 192.168.1.221 8081 使用配置文件 Carte /foo/bar/carte-config.xml Carte http://www.example.com/carte-config.xml 如果cluster schema中定义了Dynamic cluster选项,则必须使用配置文件来进行启动,当这个子服务器启动时,它需要向配置文件中“masters”中列出的主服务器列表中汇报其运行状态(通过调用主服务器的registerSlave服务),已达到动态地设置子服务器的目的。配置文件格式
这个配置文件主要包括以下几个节点 Ø masters: 这里列出来的服务器是当前子服务器需要向其汇报状态的主服务器。如果当前这个子服务器是主服务器,则它将连接其它的主服务器来获得这个集群中的所有子服务器。 Ø report_to_masters : 如果为Y,则表示需要向定义的主服务器发送消息以表明该从属服务器存在 Ø slaveserver : 这里定义的就是当前carte实例运行时需要的子服务器的配置情况 这里定义的username和password在向主服务器调用Register服务时连接主服务器时提供的安全设置。在 <slaveserver>部分,你可以使用<network_interface> 参数,这个参数的优先级高于<hostname>参数 ,如果你的机器中安装有多个网卡,这个设置可以起作用。 程序启动 Kettle提供了org.pentaho.di.www.Carte类,你可以通过该类提供的函数来启动或者停止子服务器。 Ø 启动子服务器 SlaveServerConfig config = new SlaveServerConfig(hostname, port, false); Carte. runCarte(config); Ø 停止子服务器 carte.getWebServer().stopServer(); 子服务器内幕 我们前面提到过子服务器实际上就是一个web server,该web server是基于Jetty这个嵌入式的开源servlet容器。 这个web server主要是提供转换运行的环境,另外一个重要的功能通过提供servlet来在客户端、主服务器和从属服务器之间进行通讯和控制。主服务器和从属服务器之间是通过httpClient来进行通讯的,通讯时传递的数据是xml格式。通过提供的servlet,可以实现启动、停止、暂停转换或者作业、获得转换或者作业的状态、注册子服务器、获得子服务器的列表等等 Kettle主要提供了以下的几种基于servlet的服务 Ø GetRootServlet:获得Carte的根目录 Ø GetStatusServlet:获得在服务器上运行的所有的转换和作业的状态 Ø GetTransStatusServlet:获得在服务器上运行的某个指定的转换的每个步骤的运行状态。 Ø PrepareExecutionTransServlet:让服务器上的某个指定的转换做好运行的准备。 Ø StartTransServlet:执行服务器上的某个指定的转换 Ø PauseTransServlet:暂停或者重新运行某一个转换 Ø StopTransServlet:停止正在运行的转换 Ø CleanupTransServlet:清理运行转换时的环境 Ø AddTransServlet:向子服务器中增加某个转换。如果服务器中有正在运行或者准备运行的相同名字的转换,则抛出异常。 Ø AllocateServerSocketServlet:分配一个新的socket端口号。这个端口号是基于你在定义cluster schema中设置的端口号,依次加1 Ø StartJobServlet:执行服务器上某个指定的作业 Ø StopJobServlet:停止正在运行的作业 Ø GetJobStatusServlet:获得某个指定作业的状态 Ø AddJobServlet:向当前的子服务器中添加某个作业。 Ø RegisterSlaveServlet:注册某个服务器的信息。服务器信息包括子服务器是否活动、最新活动的时间、最新不活动的时间。这个在dynamic cluster中需要用到,由从属服务器向主服务器汇报当前状态。 Ø GetSlavesServlet:获得集群中子服务器的信息 Ø AddExportServlet:以zip文件的形式向caret服务器传递作业或者转换信息,并将信息加入到服务器中。 运行转换在spoon中运行 在kettle的集成设计环境spoon中,你可以选择转换中的“运行”菜单项,或者按F9快捷键,弹出以下的窗口 这里有三个选项来决定转换是以什么方式来执行 Ø 本地执行: 转换或者作业将在你现在使用的JVM中运行。 Ø 远程执行: 允许你指定一个想运行转换的远程服务器。这需要你在远程服务器上安装Pentaho Data Integration(Kettle)并且运行Carte子服务器。 Ø 集群方式执行: 允许你在集群环境下执行作业或者转换
当你选择“集群方式执行”选项是,你可以选择以下的选项 Ø 提交转换: 分解转换并且将转换提交到不同的主服务器和从属服务器。 Ø 准备执行: 它将在主服务器和从属服务器上执行转换的初始化阶段。 Ø 开始执行: 它将在主服务器和从属服务器中执行实际的转换任务。 Ø 显示转换: 显示将要在集群上执行的生成的转换(可以参看下面的分析). 编程运行 你也可以通过使用Kettle提供的API通过编程来以集群的方式运行转换。 TransMeta transMeta = new TransMeta("cluster.ktr"); //设置执行模式 TransExecutionConfiguration config = new TransExecutionConfiguration(); config.setExecutingClustered(true); config.setExecutingLocally(false); config.setExecutingRemotely(false); config.setClusterPosting(true); config.setClusterPreparing(true); config.setClusterStarting(true); config.setLogLevel(LogWriter.LOG_LEVEL_BASIC); TransSplitter transSplitter = Trans.executeClustered(transMeta, config); long nrErrors = Trans.monitorClusteredTransformation("cluster test", transSplitter, null, 1); 需要注意的是这段代码可以在一个独立的JVM中执行,而不必要在主服务器中执行。 运行内幕 当以集群方式来运行转换时,Kettle主要执行以下几个步骤来执行分布式的处理 Ø 分解转换 在定义转换的时候,如果在某个步骤中定义使用集群,那么这个步骤其实是在从属服务器(slave server)上执行的,例如我们在前面定义转换的modify javascript value步骤中,我们定义了使用集群,那么这个步骤将在从属服务器中执行;而Cx4表示这个步骤是在4个从属服务器上执行。如果步骤中没有定义集群,则表示该步骤是在主服务器(master server)上执行。如果前一步骤在主服务器上执行,而后一步骤需要在从属服务器上执行,或者相反,则这时需要分别在前一步骤和后一步骤之间建立一个remoteStep步骤,前面的remoteStep建立socketWriter进程,它负责从上一步骤中取出数据然后通过socket传输到对应的子服务器的remoteStep中。而后一步骤所在的子服务器的remoteStep步骤则建立一个socketReader,负责从socket中获取数据,并将数据将数据传输到后一步骤中,以供后一步骤来进行后续处理。 所以在以集群方式执行转换时,首要的任务是将转换分解成可以在各个子服务器上执行的转换。 我们还是以上面建立的转换来进行分析描述: 上图是在主服务器上建立的转换 And 4 slaves transformations: 上图是在4个从属服务器上建立的转换,我们可以注意到这四个从属服务器上的转换是一样的,除了端口号不一样。另外我们还注意到在前述Cluster Schema 定义中我们指定了端口号为4000,则为每一个建立的socket连接就是端口号4000开始,依次加1。另外,还可以看到数据是通过使用socket Writer和socket Reader的remoteStep步骤通过TCP/IP的socket来传递数据的。 Ø 提交转换 对于第一步骤生成的子转换,将调用每个子服务器提供的AddTransServlet服务将转换的信息增加到每个子服务器中(包括主服务器和从属服务器)。 Ø 准备转换 调用每个子服务器的PrepareExecutionTransServlet服务来准备转换 Ø 启动转换 调用每个子服务器的StartExecutionTransServlet服务来启动转换。 Ø 监控转换 在各服务器的转换都启动后,调用Trans.monitorClusteredTransformation来监控各个服务器的运行状态(使用各子服务器提供的GetTransStatusServlet服务来获得每个子服务器的状态)。 例子目的做一个转换(表输入---à排序--à表输出) 然后在两台pc机器上实验。把集群放到排序插件上。 配置两台子服务器 创建子服务器在主对象下的转换下的子服务器右键单击新建。 右键单击子服务器新建 填写相关的配置,用户名和密码为cluster,如果要修改得修改kettle默认路径下的pwd下的kettle.pwd文件里的用户名密码。 这个是从属服务器。 配置schemas新建schemas 在选择子服务器中选择这两个服务器。 开启两台机器的carte服务在10.2.4.81机器和10.2.4.188机器的控制台开启carte服务。 C:/pdi-open-3.1.0-826是保存kettle的文件夹 188机器也和他一样。 在转换中添加集群 右击字段选择选择集群。 点击确定。 出现cx1代表成功。 然后运行,就OK了。 ---------------------------------以下内容是我自己添加的---------------------------------------- 更多资料: http://forums.pentaho.com/showthread.php?60500-clustering-in-Kettle |
||||||||||||||||||||||||||||||||||||||||
发表评论 发表时间:『2019-10-30 10:47:42』 |