LinkedIn开源Hadoop/Spark性能监控调优工具Dr. Elephant

本文来源于全球最大的职业社交网站LinkedIn领英，文章版权归作者本人所有。   今天LinkedIn宣布开源Dr. Elephant，Dr. Elephant能够很好地帮助用户理解、分析和优化Hadoop和Spark的工作流。LinkedIn在去年第八届Hadoop Summit上第一次在社区呈现。 动机​ Hadoop是一个分布式数据存储和大数据处理框架，体量大、组件复杂，因而每个组件的性能优化就显得异常重要。在优化底层硬件资源，网络架构，OS和其它堆栈的同时，也需要对集群上运行的任务进行优化。   什么是Dr. Elephant? Dr. Elephant是一个Hadoop 和Spark的性能监控和调优工具。Dr. Elephant能自动化收集所有指标，进行数据分析，并以简单易用的方式进行呈现。Dr. Elephant的目标是提高开发人员的开发效率和增加集群任务调试的高效性。Dr. Elephant支持对Hadoop和Spark任务进行可插拔式、配置化以及基于规则的启发式job性能分析，并且根据分析结果给出合适的建议来指导如何调优使任务更有效率。   为什么选择Dr. Elephant？ 其它开源或者商用Hadoop优化工具都是收集系统资源指标和监控集群资源信息，关注点仅在于简化Hadoop集群的发布和管理，而很少有工具是来帮助Hadoop优化任务流。这些工具不支持Hadoop集群的规模化和Hadoop框架的增长，而Dr. Elephant支持Hadoop生态的各种框架，并且很容易的扩展到新的框架，已经支持Spark。Dr. Elephant让用户更清晰的掌握Hadoop和Spark原理，并帮助其轻松的优化任务。   Dr. Elephant如何工作？ Dr. Elephant从YARN Resource Manager周期性获取所有最近运行成功和失败的应用列表，然后从Job History Server中攫取每个应用的元数据，包括job counters、任务配置和任务数据。有了元数据后，Dr. Elephant进行启发式分析，并生成每个任务的诊断报告，从而进行相应的整体优化。Dr. Elephant将会标记出五个等级问题严重性，指出潜在的性能问题。 [attach]1077[/attach] 图1 Dr. Elephant问题等级 [attach]1078[/attach] 图2 Dr. Elephant的面板   通过Dr. Elephant的UI查看数据面板，见图2，这里显示集群的相关统计信息，包括集群上运行的任务数，需要优化的任务数，以及基于启发式分析发现的严重任务数。图中是最近24小时的Dr. Elephant分析的所有最近的任务。 [attach]1079[/attach] 图3 Dr. Elephant的搜索页   Dr. Elephant提供一个搜索功能，帮助用户通过任务ID/应用ID，执行ID，任务类型，任务严重程度和任务完成时间等来搜索任务。 [attach]1080[/attach] 图4 Dr. Elephant任务页面   当你点击指定的搜索结果，会显示完整的任务信息，并能查看相互引用的任务流。 [attach]1081[/attach] 图5 Dr. Elephant的工作流历史 [attach]1082[/attach] 图6 Dr. Elephant的任务历史   Dr. Elephant的任务历史和工作流历史可以帮用户比较前后执行的区别。Dr. Elephant通过启发式计算出每个任务执行的性能得分并作图。这个图表可以帮助用户很直观的分析哪个性能好。   家庭医生 Dr. Elephant在LinkedIn非常受欢迎，大家钟爱其简洁性。Dr. Elephant通过简单的诊断可以解决百分之八十的问题。Dr. Elephant提供任务级别的建议帮助用户去理解和优化Hadoop工作流。 Dr. Elephant已经完全和Hadoop生态整合。在LinkedIn，开发人员使用Dr. Elephant作为开发流程的一部分，线上任务强制达到绿色级别。

分享阅读中文原文：https://www.infoq.com/cn/news/2016/04/Dr-Elephant-LinkedIn 分享于都英文原文：https://engineering.linkedin.com/blog/2016/04/dr-elephant-open-source-self-serve-performance-tuning-hadoop-spark