Maxcompute的任务状态和多任务执行

我们在使用maxcompute的时候，我们其实非常期望知道当前有多少任务在跑，哪些任务耗时长，哪些任务已经完成，并且能通过任务的logview来分析任务耗时长的原因。

任务状态监控

Maxcompute的任务状态分Running和Terminated，其中Running是包含：正在运行和等待运行的两种状态，Terminated包含：完成、失败、cancel的任务三个状态。阿里云提供了获取上述2种状态的SDK函数，odps.list_instances(status=Running|Terminated, start_time=开始时间,结束时间)。为了实现秒级别更新任务状态我们可以用以下思路来实现。

1、对于已经running的任务，我们需要快速更新它的状态，有可能已经完成了；
2、不断获取新的任务状态。

我们用Mysql来记录任务的状态表设计如下：

CREATE TABLE `maxcompute_task` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
  `instanceid` varchar(255) DEFAULT NULL comment '任务实例ID',
  `logview` varchar(1024) DEFAULT NULL comment 'logview链接，查看问题非常有用',
  `start_time` varchar(64) DEFAULT NULL comment '任务开始时间',
  `end_time` varchar(64) DEFAULT NULL comment '任务结束时间',
  `cast_time` varchar(32) DEFAULT NULL comment '耗时',
  `project_name` varchar(255) DEFAULT NULL comment '项目名',
  `status` varchar(64) DEFAULT NULL comment '任务状态',
  PRIMARY KEY (`id`),
  UNIQUE KEY `instanceid` (`instanceid`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8

下面的页面可以查看当前的任务耗时，开始时间，对超过1小时的任务颜色使用红色标注，并且能查看logview，还能对任务进行取消，非常方便。

我们来看看代码的实现：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# author: lemon

import time
import threading
import traceback
import datetime
from odps import ODPS
from dataflow import config
from libs.myconn import Cursor
from config import DBINFO_BI_MASTER
from libs import logger as _logger

g_table_name = "bi_maxcompute_task"

def save_task(instanceid, odps, mysqlconn):
    # 保存任务状态到Mysql， 分别传入odps连接器和mysql连接器
    instance = odps.get_instance(instanceid)
    project_name = odps.project
    status = instance.status.value
    start_time = instance.start_time
    end_time =  instance.end_time

    sql = "select logview,status from {0} where instanceid='{1}'".format(g_table_name, instanceid)

    sqlret = mysqlconn.fetchone(sql)
    if sqlret and sqlret["status"] == "Terminated":
        return
    if sqlret and sqlret["logview"] is not None:
        logview = sqlret["logview"]
    else:
        logview = instance.get_logview_address()
    start_time = start_time + datetime.timedelta(hours=8)
    if status == "Running":
        end_time = datetime.datetime.now()
    else:
        end_time = end_time + datetime.timedelta(hours=8)
    cast_time = end_time - start_time
    colname = "instanceid,start_time,end_time,cast_time,project_name,status,logview"
    values = ",".join(["'{0}'".format(r) for r in [instanceid, str(start_time),str(end_time), cast_time, project_name, status,logview]])
    sql = """replace into {0}({1}) values({2}) """.format(g_table_name, colname, values)
    mysqlconn.execute(sql)


class MaxcomputeTask(threading.Thread):
    # 获取所有任务
    
    def __init__(self, logger):
        threading.Thread.__init__(self)
        self.logger = logger
        self.hour = 1
        self.status_conf = [("demo", "Running"), ("demo", "Terminated"),
                            ("demo1", "Running"), ("demo1","Terminated")]

    def run(self):
        # 建立mysql连接， 根据你的需要来使用
        self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
        while True:
            try:
                self.start_more()
                time.sleep(10)
            except:
                self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
                self.logger.error(traceback.format_exc())

    def start_more(self,):
        for params in self.status_conf:
            self.get_task(*params)

    def get_task(self, project_name, status):
        odps = ODPS(**config.ODPS_INFO)
        odps.project = project_name
        list = odps.list_instances(status=status, start_time=time.time() - self.hour * 3600)
        self.logger.info("start {0} {1} ".format(project_name, status))
        for row in list:
            save_task(instanceid=str(row), odps=odps, mysqlconn=self.mysqlconn)
        self.logger.info( "end {0} {1}".format(project_name, status))

        
class MaxcomputeTaskRunning(threading.Thread):
    # 更新running任务的状态
    
    def __init__(self, logger):
        threading.Thread.__init__(self)
        self.logger = logger

    def run(self):
        self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
        while True:
            try:
                self.update_running()
                time.sleep(1)
            except:
                self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
                self.logger.error(traceback.format_exc())

    def update_running(self):
        sql = "select instanceid, project_name from {0} where status='Running'".format(g_table_name)
        sqlret = self.mysqlconn.fetchall(sql)
        if not sqlret:
            return

        self.logger.info("{1} running update length:{0}".format(len(sqlret), time.strftime("%Y-%m-%d %H:%M:%S") ))
        for row in sqlret:
            odps = ODPS(**config.ODPS_INFO)
            odps.project = row["project_name"]
            save_task(row["instanceid"], odps, self.mysqlconn)


if __name__ == "__main__":
    # logger是自己编写的日志工具类
    logger = _logger.Logger("maxcompute_task.log").getLogger()
    running = MaxcomputeTaskRunning(logger)
    running.setDaemon(True)
    running.start()

    task = MaxcomputeTask(logger)
    task.start()

多任务执行

maxcompute可以在命令行下运行，也可以用SDK，阿里云的集成环境跑任务等。很多时候我们面临的任务是非常多的，如何做一个多任务的代码执行器，也是经常遇到的问题。任务执行是一个典型的生产者和消费者的关系，生产者获取任务，消费者执行任务。这么做有2个好处。

1）任务执行的数量是需要可控的，如果同时运行的任务不可控势必对服务器资源造成冲击，
2）多机运行服务，避免单点故障，maxcompute的任务是运行在云端的，可以通过instanceid获取到结果，此结果是保留7天的。

我大致贴一些我们在实际场景种的一些代码，生产者和消费者的代码：

class Consumer(threading.Thread):

    def __init__(self, queue, lock):
        threading.Thread.__init__(self)
        self.queue = queue
        self.lock = lock
        self.timeout = 1800


    def run(self):
        self.execute = Execute()
        logger.info("consumer %s start" % threading.current_thread().name)
        while G_RUN_FLAG:
            try:
                task = self.queue.get()
                self.execute.start(task)
            except:
                logger.error(traceback.format_exc())


class Producter(threading.Thread):

    def __init__(self, queue, lock):
        threading.Thread.__init__(self)
        self.queue = queue
        self.lock = lock
        self.sleep_time = 30
        self.step_sleep_time = 5

    def run(self):
        self.mysqlconn_bi_master = Cursor.new(**config.DBINFO_BI_MASTER)
        logger.info("producter %s start" % threading.current_thread().name)
        while G_RUN_FLAG:
            
            if self.queue.qsize() >= QUEUE_SIZE:
                time.sleep(self.sleep_time)
                continue

            # TODO
            self.queue.put(task)
            time.sleep(self.step_sleep_time)


def main():
    queue = Queue.LifoQueue(QUEUE_SIZE)
    lock = threading.RLock()

    for _ in xrange(MAX_PROCESS_NUM):
        consumer = Consumer(queue, lock)
        consumer.setDaemon(True)
        consumer.start()

    producter = Producter(queue, lock)
    producter.start()
    producter.join()

def signal_runflag(sig, frame):
    global G_RUN_FLAG
    if sig == signal.SIGHUP:
        logger.info("receive HUP signal ")
        G_RUN_FLAG = False

if __name__ == "__main__":
    logger.info("execute run")
    if platform.system() == "Linux":
        signal.signal(signal.SIGHUP, signal_runflag)
    main()
    logger.info("execute exit.")

Maxcompute实际执行时的代码：

 def _max_compute_run(self, taskid, sql):

        # 异步的方式执行
        hints = {
            'odps.sql.planner.mode': 'lot',
            'odps.sql.ddl.odps2': 'true',
            'odps.sql.preparse.odps2': 'lot',
            'odps.service.mode': 'off',
            'odps.task.major.version': '2dot0_demo_flighting',
            'odps.sql.hive.compatible': 'true'
        }
        new_sql = "{0}".format(sql)
        instance = self.odps.run_sql(new_sql, hints=hints)
        #instance = self.odps.run_sql(sql)

        # 异步的方式执行
        # instance = self.odps.run_sql(sql)
        self._save_task_instance_id(taskid, instance.id)
        # 阻塞直到完成
        instance.wait_for_success()
        return instance.id

获取结果时的代码：

def instance_result(odps, instance_id):
    # 通过instance_id 获取结果
    instance = odps.get_instance(instance_id)
    response = []
    with instance.open_reader() as reader:
        raw_response = [r.values for r in reader]
        column_names = reader._schema.names
        for  line in raw_response:
            tmp = {}
            for i in range(len(line)):
                tmp[column_names[i]] = line[i]
            response.append(tmp)
    return response

总结：

阿里云的Maxcompute是非常好用的云计算服务，它的更新和迭代速度都非常快，使用阿里云解放工程师的搭建基础服务的时间，让我们更多的专注业务，站在巨人的肩膀上聪明的干活。

最后更新：2017-07-26 09:32:45

Maxcompute的任务状态和多任务执行

任务状态监控

多任务执行

上一篇：首次曝光！在线视频衣物精确检索技术，开启刷剧败明星同款时代

下一篇： maxCompute平台非标准日期和气象数据处理方法--电力AI赛Rank 20解决方案

相关内容

热门内容

最新内容

Maxcompute的任务状态和多任务执行

任务状态监控

多任务执行

上一篇： 首次曝光！在线视频衣物精确检索技术，开启刷剧败明星同款时代

下一篇： maxCompute平台非标准日期和气象数据处理方法--电力AI赛Rank 20解决方案

相关内容

热门内容

最新内容

上一篇：首次曝光！在线视频衣物精确检索技术，开启刷剧败明星同款时代