Lab 1: MapReduce

Lab 1: MapReduce

目标：实现一个MapReduce系统。其中包含：

  1. worker进程：调用Map和Reduce程序并处理文件的读写
  2. coordinator进程：负责将任务分发给worker并处理失败的worker。(注:本Lab使用coordinator而不是论文的master进行管理。)

Getting started

src/main/mrsequential.go中提供了单线程版本的MapReduce。每次只启动一个Map和一个Reduce。还提供了几个MapReduce应用程序:

  • 单词计数器:mrapps/wc.go
  • 文本索引器mrapps/indexer.go.

可以使用下列指令运行wordCount:

$ cd ~/6.824
$ cd src/main
$ go build -race -buildmode=plugin ../mrapps/wc.go
$ rm mr-out*
$ go run -race mrsequential.go wc.so pg*.txt
$ more mr-out-0
A 509
ABOUT 2
ACT 8
...

(注意:-race会启用Go竞态检测器。建议测试代码时启用它)

mrsequential.go 读取输入pg-xxx.txt，输出结果到 mr-out-0。

可以借鉴mrsequential.go中的代码，同时也看看mrapps/wc.go 。了解应用程序如何MapReduce。

任务

实现一个分布式的MapReduce，其由两种程序组成:coordinator和worker。整个MapReduce将会只有一个coordinator和一个或多个并行执行的worker。

现实中，workers会在分布在不同的机器上运行，但本次Lab将在一台机器上运行。

  • worker：

    • 通过RPC与coordinator通信。
    • 向coordinator请求任务，从一个或多个文件中读取输入，
    • 执行任务，将任务的输出写入一个或多个文件。

  • coordinator：

    如果Worker未在设定时间内完成任务(本次实验为 10 秒)，coordinator应将该任务交给其他worker。

提供了一些初始代码. coordinator 和 worker 的代码分别在main/mrcoordinator.go 和 main/mrworker.go; 不要更改这些文件。把你的实现放在 mr/coordinator.go, mr/worker.go, 以及 mr/rpc.go.

下面展示如何运行WordCount。首先，确保wc是最新编译版本：

$ go build -race -buildmode=plugin ../mrapps/wc.go

在main目录下，运行coordinator

$ rm mr-out*
$ go run -race mrcoordinator.go pg-*.txt

将输入文件 pg-*.txt 的名字作为参数传递给mrcoordinator.go ；每个文件对应一个 split, 是一个Map任务的输入.

在一个或多个窗口运行一些worker:

$ go run -race mrworker.go wc.so

当worker和coordinator完成后，查看mr-out-*中的输出。结果应该和单Worker版本的结果相同。

$ cat mr-out-* | sort | more
A 509
ABOUT 2
ACT 8
...

测试脚本为main/test-mr.sh。输入pg-xxx.txt文件时，测试会检查wc和indexer能否产生正确结果。测试还会检查是否并行运行Map和Reduce任务，以及能否从运行任务时崩溃的worker中恢复。

现在运行测试，它会挂起，因为coordinator永远不会结束:

$ cd ~/6.824/src/main
$ bash test-mr.sh
*** Starting wc test.

可将mr/coordinator.go的Done函数中的ret:= false改为true。这样coordinator会立即退出：

$ bash test-mr.sh
*** Starting wc test.
sort: No such file or directory
cmp: EOF on mr-wc-all
--- wc output is not the same as mr-correct-wc.txt
--- wc test: FAIL
$

测试脚本没有在mr-out-X中看到结果，每个文件对应一个reduce任务。当前mr/coordinator.go和mr/worker.go没有实现，因此不会生成这些文件，测试失败。

代码正确实现时，测试脚本的输出应该像这样:

$ bash test-mr.sh
*** Starting wc test.
--- wc test: PASS
*** Starting indexer test.
--- indexer test: PASS
*** Starting map parallelism test.
--- map parallelism test: PASS
*** Starting reduce parallelism test.
--- reduce parallelism test: PASS
*** Starting crash test.
--- crash test: PASS
*** PASSED ALL TESTS
$

您还将从Go RPC包中看到一些错误

2019/12/16 13:27:09 rpc.Register: method `Done` has 1 input parameters; needs exactly three

忽略这些信息;将coordinator注册为RPC服务器，检查它的所有方法是否适合RPCS(有3个输入);我们知道Done不是通过RPC调用的。

一些规则

  • Map Worker：

    • 将输入划分到各个桶中，以供nReduce个reduce任务使用
    • nReduce指reduce worker个数(由main/mrcoordinator.go 传递给 MakeCoordinator())，每个map worker都应创建nReduce个中间文件，供reduce使用。

  • worker应该把第X个reduce的输出放在mr-out-X中。

  • mr-out-X文件的每一行对应Reduce函数的一次输出。这行使用Go %v %v 格式打印生成，分别是Key和Value。在main/mrsequential.go中查看注释为this is the correct format的行。如果您的输出与这种格式偏离太多，测试脚本将会失败。

  • 你可以修改 mr/worker.go, mr/coordinator.go, 以及 mr/rpc.go. 你可以临时修改其他文件进行测试，但要确保你的代码能够与原始版本兼容;我们将使用原始版本进行测试。

  • worker应该把Map的中间输出放在当前目录下的文件中，之后将这些文件作为输入传递给Reduce任务。

  • main/mrcoordinator.go 希望 mr/coordinator.go 实现 Done() 方法，当MapReduce任务完成时，返回true; 之后,mrcoordinator.go 会退出.

  • 作业完成时，worker应该退出. 一种简单的实现是使用call()的返回值，如果worker未能联系到coordinator，可以默认coordinator已退出。也可由coordinator向worker发送please exit指令。

提示

  • 指南页面提供有一些关于开发和调试的提示

  • 一种开始的方法是修改 mr/worker.go的 Worker() 发送一个RPC到coordinator 请求任务.，coordinator返回尚未处理的文件名。之后修改worker以读取该文件并调用应用程序Map函数, 如mrsequential.go.

  • 应用程序的Map和Reduce函数在运行时使用Go插件包，从以.so结尾的文件中加载。

  • 如果你修改了' mr/ '目录中的任何内容，你可能需要重新构建你使用的MapReduce插件，比如go build -race -buildmode=plugin ../mrapps/wc.go

  • 这个LAB依赖于工作人员共享一个文件系统。当所有工作程序运行在同一台机器上时，这很简单，但如果工作程序运行在不同的机器上，则需要像GFS这样的全局文件系统。

  • 中间文件的命名约定是mr-X-Y，其中X是Map任务号，Y是reduce任务号。

  • worker的map任务代码需要在文件中存储中间键值对，并且保证reduce任务可以正确读取。一种解决方案是使用Go's encoding/json 包。将JSON格式的键值对写入打开的文件:

    enc := json.NewEncoder(file)
for _, kv := ... {
	err := enc.Encode(&kv)

    之后这样将文件读出:

    dec := json.NewDecoder(file)
for {
var kv KeyValue
if err := dec.Decode(&kv); err != nil {
	break
}
kva = append(kva, kv)
}

  • worker的map可以使用ihash(key)函数(在worker.go中)来为给定的Key选择reduce任务。

  • 你可以参考 mrsequential.go 的代码，用于读取Map输入文件， 在Map和Reduce之间排序中间K\V对，以及将Reduce输出存储在文件中。

  • 作为RPC服务器，coordinator将是并发的;不要忘记给共享数据加锁。

  • 使用Go的竞态检测器, 使用 go build -race 和 go run -race. test-mr.sh 默认使用竞争检测器运行测试。

  • Workers 有时需要等待, 例如，直到最后一个map完成，reduce才能启动. 一种解决方案是worker定期向coordinator请求工作, 在每次请求之间使用time.Sleep()休眠. 另一种方案是coordinator中相关的RPC处理程序有一个等待循环, 可以使用time.Sleep()或sync.Cond.Go在自己的线程中为每个RPC运行处理程序, 因此一个正在等待的处理程序不会阻止coordinator处理其他RPC。

  • coordinator无法准确地区分崩溃的、还活着但由于某种原因停止工作的、以及正在执行但速度太慢而无法发挥作用的worker。你能做的最好的事情是让协调器等待一段时间，然后放弃并重新将任务发送给另一个worker。对于这个LAB，让协调者等待十秒钟了；十秒内未完成，coordinator就可假定worker已经死亡(当然，它也可能没有死亡)。

  • 如果你选择实现备份任务(Backup Tasks)(论文第3.6节)，请注意，我们测试了你的代码在worker执行任务没有崩溃时不会调度多余的任务。备份任务应该只安排在一段相对较长的时间之后(例如10秒)。

  • 要测试崩溃恢复，你可以使用mrapps/crash.go插件。它随机地存在于Map和Reduce函数中。

  • 为了确保没有人在崩溃的情况下观察到部分写入的文件，那篇关于MapReduce的论文提到了使用临时文件的技巧，在文件写入完成后原子性地重命名它。你可以使用ioutil.TempFile创建一个临时文件，并使用os.Rename对其进行原子重命名。

  • test-mr.sh运行子目录mr-tmp中的所有进程，所以如果出现问题后你想查看中间文件或输出文件，请查看那里。你可以在测试失败后临时将test-mr.sh修改为exit，这样脚本就不会继续测试(并覆盖输出文件)。

  • test-mr-many.sh提供了一个带有超时功能的运行test-mr.sh的基本脚本(这也是我们之后测试代码的方式)。它接受运行测试的次数作为参数。你不应该并行运行多个test-mr.sh实例，因为协调器将重用相同的socket，从而导致冲突。

  • Go RPC只发送以大写字母开头的结构体字段。子结构的字段名也必须是大写。

  • 当将一个reply结构体的指针传递给RPC系统时，*reply指向的对象应该是零分配的。RPC调用的代码应该是这样的

      reply := SomeType{}
  call(..., &reply)

    在调用前不设置任何回复字段，如果不遵循这个规定，RPC 系统可能会返回不正确的值。

posted @ 2024-08-25 18:10  INnoVation-V2  阅读(11)  评论(0)  编辑  收藏  举报