本文共 8158 字，大约阅读时间需要 27 分钟。

最近终于抽出时间开始学习MIT 6.824，本文为我看MapReduce论文和做lab后的总结。

[]

lab要用到go语言，这也是我第一次接触。可以参考go语言圣经学习基本语法。

[]

MapReduce 简介

MapReduce描述了一种编程模型，由处理数据的map函数生成中间键值对(Key/Value)，再由Reduce函数处理中间键值对生成输出文件。根据用户自定义的map和reduce函数不同，可以实现不同的功能。下面我简单总结了个人觉得比较关键的部分。

执行概述

在MapReduce中存在两种程序：master (也即lab中的coordinator) 和worker。master负责分配任务和接受反馈，更新任务列表。worker负责完成map和reduce任务。

在程序运行前，mapreduce库会将输入的数据切分成M个片段，即M个map任务，然后启动master和worker。master会对每个空闲的worker分配map或者reduce任务。

被分配了map任务的worker读取相应任务的数据，解析出键值对，生成中间键值对存入本地磁盘。这些键值对根据key的不同，被分区函数划分到R个区域内。worker将这些数据的位置传回master，master会将这些位置转发给执行reduce操作的worker。

执行reduce任务的worker在接受任务后，使用RPC的方式读取数据，并根据key进行排序，然后调用reduce函数生成R个输出文件。

容错

由于数百上千台机器同时运行，发生网络故障/设备中断是常有的事情，因此需要应对故障的方案。

worker故障

master会周期性的ping下每个worker，如果在一定时间内收不到来自某个worker的响应，master就会将该worker标记为failed，该worker正在执行的任务会被重置为【待执行】。master会将这些任务交给其他worker重新执行。

对于已经执行完的任务。如果是已完成的map任务，由于中间数据储存在发生故障的worker磁盘中，无法读取，因此需要重新执行该任务。如果是reduce任务则无须再执行，因为完成时输出文件已经储存在全局系统中。

master故障

一种解决方案是，将master上的数据周期性地写入磁盘，发生故障后从最新的checkpoint创建出一个新的备份，重启master进程。但往往需要人工干预。

Master的数据结构

在Master中包含了一些数据结构。它保存了每个Map任务和每个Reduce任务的状态（闲置，正在运行，以及完成），以及非空闲任务的worker机器的ID。

备用任务

在MapReduce计算中，一台机器花费了异常长的时间去完成最后几个Map或者Reduce任务会导致执行总时间延长很多。因此当一个MapReduce任务接近完成时，master可以调度一个备用（backup）任务来执行正在执行的任务。无论是主任务还是备用任务完成，都视为整个计算完成。可以显著减少大型计算花费的时间。

Lab1 总结

虽然看论文的时候感觉自己对MapReduce的执行过程了解的比较透彻，但是在实际实现全过程的时候才发现有很多地方没有注意到。果然是实践出真知。

在过程中遇到的一个比较大的坑是我对go的struct不够了解。go中struct用变量名的首字母大小写来区分public和private（可导出和不可导出），习惯了驼峰命名法的我并没有注意到。因此在测试的时候才需要全盘修改，花费了一些精力。

在lab中我们要实现的是一个在本地机器执行的mapreduce任务。和论文中介绍的不同，这个mapreduce没有实现对worker的周期检测，也不需要储存每个worker的状态，而是当worker在一段时间（lab中为10s）内没有完成任务时，直接将该worker视为故障，重新分配任务。并且任务时由worker主动申请再由master进行分配。这对于小任务是可行的，但对于无法预测时间的大型任务，应当按论文中进行实现。

在执行过程中，必须要先将map任务全部执行完，才能执行reduce任务。因为reduce任务要读取全部数据进行排序。当map任务已经分配完但没有全部完成时，部分没有任务可以执行的worker可能会空转。

for {		switch reply.State{		case 0:			//map任务		case 1:			//reduce任务		case 2:			continue //暂时没有任务，等待下一次申请		case 3:			break   //所有任务均已完成，worker停止工作		}

在任务分配上，我简单的采用了数组初始化所有任务，在分配任务时从数组中寻找【待执行】的任务（即state为0），更优化的方式可以考虑任务队列。将任务依次入队，对已经执行的任务出队，如果任务执行失败（超时），则重新入队。这样免去了遍历的过程。

因为在mrcoordinator.go中我们可以看到，每隔1s中会执行一次c.Done()，因此可以在c.Done()中增加每次任务的运行时间。

m := mr.MakeCoordinator(os.Args[1:], 10)	for m.Done() == false {		time.Sleep(time.Second)	}

论文中提到通过写入临时文件并重命名它的方式，可以避免在崩溃生成部分写入的文件，造成混乱。ioutil库可以创建临时文件，并在写入结束后重命名为标准文件格式。

在实际上手时，可以先从worker开始，根据程序中给的example，分析执行过程，再在程序中添加对应的实现。RPC调用的函数必须要有返回值，否则运行时会报错找不到该函数。

实现代码

以下为实现代码，通过了全部测试。

//worker.gopackage mrimport "fmt"import "log"import "net/rpc"import "hash/fnv"import (	"time"	"os"	"sort"	"io/ioutil"	"strconv"	"encoding/json")//// Map functions return a slice of KeyValue.//type KeyValue struct {	Key   string	Value string}type ByKey []KeyValue// for sorting by key.func (a ByKey) Len() int           { return len(a) }func (a ByKey) Swap(i, j int)      { a[i], a[j] = a[j], a[i] }func (a ByKey) Less(i, j int) bool { return a[i].Key < a[j].Key }//// use ihash(key) % NReduce to choose the reduce// task number for each KeyValue emitted by Map.//func ihash(key string) int {	h := fnv.New32a()	h.Write([]byte(key))	return int(h.Sum32() & 0x7fffffff)}//// main/mrworker.go calls this function.//func Worker(mapf func(string, string) []KeyValue,	reducef func(string, []string) string) {	// Your worker implementation here.	// uncomment to send the Example RPC to the coordinator.	// CallExample()	for {		time.Sleep(time.Second) //睡眠一秒再接任务		args := ASKArgs{}		reply := ASKReply{}		callAskTask(&args, &reply)		taskNumber := reply.TaskNumber		switch reply.State{		case 0:			file, err := os.Open(reply.FileName)			if err != nil {				log.Fatalf("cannot open mapTask file", reply.FileName)			}			content, err := ioutil.ReadAll(file)			if err != nil {				log.Fatalf("cannot read mapTask file", reply.FileName)			}			file.Close()			kva := mapf(reply.FileName, string(content))			//写入mr-taskNumber-y文件中			WriteMiddleFile(kva, taskNumber, reply.NReduce)		case 1:			intermediate := []KeyValue{}			nmap := reply.NMap			for i:=0; i

//rpc.gopackage mr//// RPC definitions.//// remember to capitalize all names.//import "os"import "strconv"//// example to show how to declare the arguments// and reply for an RPC.//type ASKArgs struct {	//申请时不需要任何信息}type ASKReply struct {	State int //0-map 1-reduce 2-wait 3-shutdown	FileName string //文件名	TaskNumber int  //任务号	NReduce int     //reduce任务中的分区数	NMap int  		//Map任务的总数}type FinishAgrs struct{	State int			//同reply，用于更新Coordinator状态	TaskNumber int}type FinishReply struct{	State int 		//0-继续接受任务 1-任务全部完成，关闭worker}// Add your RPC definitions here.// Cook up a unique-ish UNIX-domain socket name// in /var/tmp, for the coordinator.// Can't use the current directory since// Athena AFS doesn't support UNIX-domain sockets.func coordinatorSock() string {	s := "/var/tmp/824-mr-"	s += strconv.Itoa(os.Getuid())	return s}

//coordinator.gopackage mrimport "log"import "net"import "os"import "net/rpc"import "net/http"import (	"sync")//缺少检测故障，不能主动分配任务//由设备主动申请任务，不需要轮训检查设备是否响应，因此不需要机器号type Coordinator struct {	State int 			//0-map 1-reduce 2-finish	NMap int 			//map任务总数	NReduce int 		//reduce分区数	MapTask map[int]*mapTask    //map任务数组	ReduceTask map[int]*reduceTask  //reduce任务数组	Mu sync.Mutex}type mapTask struct {	FileName string	State int 			//0-待做 1-进行中 2-已完成	RunTime int}type reduceTask struct {	State int         //0-待做 1-进行中 2-已完成	RunTime int}func (c *Coordinator) TickTick() {	if c.State == 0 {		for TaskNumber, task := range(c.MapTask){			if task.State == 1 {				c.MapTask[TaskNumber].RunTime += 1				if c.MapTask[TaskNumber].RunTime>=10 {					c.MapTask[TaskNumber].State = 0				}			}		}	} else if c.State == 1 {		for TaskNumber, task := range(c.ReduceTask){			if task.State == 1 {				c.ReduceTask[TaskNumber].RunTime += 1				if c.ReduceTask[TaskNumber].RunTime>=10 {					c.ReduceTask[TaskNumber].State = 0				}			}		}	}}func (c *Coordinator) ASKTask(args *ASKArgs, reply *ASKReply) error{	c.Mu.Lock()	defer c.Mu.Unlock()	reply.State = 2	reply.NMap = c.NMap	reply.NReduce = c.NReduce	switch c.State {	case 0:		for TaskNumber, task := range(c.MapTask) {			if task.State == 0 {				reply.FileName = task.FileName				reply.State = 0				reply.TaskNumber = TaskNumber				c.MapTask[TaskNumber].State = 1				break			}		}	case 1:		for TaskNumber, task := range(c.ReduceTask) {			if task.State == 0 {				reply.State = 1				reply.TaskNumber = TaskNumber				c.ReduceTask[TaskNumber].State = 1				break			}		}	case 2:		reply.State = 3	}	return nil}func (c *Coordinator) FinishTask(args *FinishAgrs, reply *FinishReply) error{	c.Mu.Lock()	defer c.Mu.Unlock()	reply.State = 0	if args.State == 0 {		c.MapTask[args.TaskNumber].State = 2		c.CheckState()	} else {		c.ReduceTask[args.TaskNumber].State = 2		c.CheckState()		if c.State == 2 {			reply.State = 1		}	}	return nil}func (c *Coordinator) CheckState() {	for _, task := range(c.MapTask) {		if task.State == 0 || task.State == 1 {			c.State = 0			return		}	}	for _, task := range(c.ReduceTask) {		if task.State == 0 || task.State == 1 {			c.State = 1			return		}	}	c.State = 2}//// start a thread that listens for RPCs from worker.go//func (c *Coordinator) server() {	rpc.Register(c)	rpc.HandleHTTP()	//l, e := net.Listen("tcp", ":1234")	sockname := coordinatorSock()	os.Remove(sockname)	l, e := net.Listen("unix", sockname)	if e != nil {		log.Fatal("listen error:", e)	}	go http.Serve(l, nil)}//// main/mrcoordinator.go calls Done() periodically to find out// if the entire job has finished.//func (c *Coordinator) Done() bool {	c.Mu.Lock()	defer c.Mu.Unlock()	ret := false	c.TickTick()			//在每次检查是否完成时，增加任务时间	if c.State == 2 {		ret = true	} else {		ret = false	}	return ret}//// create a Coordinator.// main/mrcoordinator.go calls this function.// nReduce is the number of reduce tasks to use.//func MakeCoordinator(files []string, nReduce int) *Coordinator {	maptask := make(map[int]*mapTask)	reducetask := make(map[int]*reduceTask)	for i, filename := range(files) {		maptask[i] = &mapTask{FileName: filename, State: 0, RunTime: 0}	}	for j := 0; j < nReduce; j++ {		reducetask[j] = &reduceTask{State: 0, RunTime: 0}	}	c := Coordinator{State: 0, NMap: len(files), NReduce: nReduce, MapTask: maptask, ReduceTask: reducetask, Mu: sync.Mutex{}}	c.server()	return &c}