Hive2MySQL初步架构_MySQL

系统简介

本系统负责将Hive处理后的数据导出到MySQL服务器上，采用 主/从 架构。zeus2将待导出的数据信息放到zookeeper上，Zookeeper将该信息发送给master。master通过JobWatcher接收待处理的表信息，将这些信息转换为任务，并分发给client处理。当client处理完成时，会更新MySQL上数据处理表，表示该部分任务已经处理完成

模块简介

master

• 简介
  为服务，会一直运行。包含接收zookeeper上传来的待导出数据的元信息、任务导出、任务超时处理、任务执行完成后的元数据更新、告警等功能
• 流程
  1. 启动master服务
  2. 通过JobWatcher线程获取待处理的任务，并更新到队列MasterContext.finishedTZ中
  3. MasterContext中加入一个线程，扫描队列MasterContext.finishedTZ，如果有任务，则开始解析任务并进行任务分发
  4. 任务分发的时候，将分发任务加入到executor，执行完成的时候，得到返回码，并根据返回码，进行相应的处理
  5. MasterContext中加入一个线程，用于监控超时的client，如果超时，则将该client加入到超时列表中，以后不进行分发
• 关键点
  1. MySQL节点的选择
  • 需求
    为了后续计算的方便，需要将能存储在一个MySQL服务器上的数据全部导出到一个节点上，例如上个月站点 A 导出到 MySQL1 上，这个月，还得将站点 A 的数据导出到节点 MySQL1 上。
  • 解决方案
    导出时，为了保证每次数据都导出到一个节点上去，需要维持一张site和host间对应的关系表。而部分站点的数据非常大，会超过MySQL服务器的单表阈值，这样部分站点的数据需要分发到不同的节点上去。site和节点之间的关系不是一一对应的。而大站点只是用户中的一部分，还存在一些小站点，一个MySQL服务器可能存放数个站点的数据。为了应对这些挑战，我们将站点分为三种SITE_LEVEL：SMALL_SITE、BIG_SITE、HUG_SITE，并分别采用不同的导出策略。
    SMALL_SITE 网站的数据量较小，一个站点只存放在一个MySQL服务器上去。所有的数据都会导出到一台MYSQL服务器上去。当数据超过MYSQL服务器单表限制的时候，会将数据导出到负载最小的MySQL服务器上去。某site很长时间以来一直使用我们的服务器时，可能会出现这种情况。
    BIG_SITE 导出的策略和SMALL_SITE一样，但是获取MySQL服务器的方法和SMALL_SITE不一样，BIG_SITE按照轮询的方式将HIVE上的数据导出到MYSQL中去，即今天的数据导出到 MYSQL1 上，明天的数据可能导出到MySQL2上。而SMALL_SITE的数据均导出到一台MYSQL服务器上。
    HUG_SITE 将站点每天的访问信息分发到不同的MYSQL服务器上去
• 注解
  1. HDFS路径
     /user/hive/warehouse/ptmind_data.db/${tableName}_${tableType}/sitetz=${timezone}/partdt=${date}/partsid=${sid}
     如 /user/hive/warehouse/ptmind_data.db/sum_page_visits_stats_olap_d/sitetz=E0800/partdt=2014-06-02/partsid=56fbce4e
  2. tableType
     明细表的类型为x,其他表暂时只支持天d

  private String getTabType(String tableName) {if (tableName.equals(Constant.TB_1)) { return x;}else { return d;}}

client

• 简介
  1. 部署在MySQL服务器上
  2. 执行HDFS2MySQL的导出任务
• 流程
  1. 通过clientBootstrap监控消息
  2. 当监控到任务时，执行HDFS2MySQL的导出任务
     2.1 通过shell脚本，从HDFS上下载数据
     2.2 将元数据更新到MySQL服务器中
     2.3 删除本地文件
     2.4 根据表中插入行的数目判断数据是否导出成功
     2.5 将执行情况返回给master
  3. 定时向master发送心跳信息
• 注解

1. 存储的本地路径： /tmp/ptbalancer/data/${tableName}_${tableType}_${date}_${当前时间戳}

节点间通信

• 中间件 netty

  master ServerBootstrap

  client ClientBootstrap

传输数据 PB

相比XML，PB有更好的传输效率、压缩率更高、解析速度更快