App Engine上の大量データ処理について

APP ENGINE上の
大量データ処理について
appengine ja night #14
@int128

View Slide

Introduction
いわてぃ
@int128
http://d.hatena.ne.jp/int128/
• 本業
• SIerでお仕事しています。
• プライベート
• Google App Engine/Java
• 自宅サーバ

View Slide

View Slide

本日の内容
• App Engineとバッチ処理
• タスクチェーン
• シャーディング
• App Engine MapReduce (Java)の仕組み
• デモ：Twitterのタイムラインで遊んでみる
http://goo.gl/iibHl

View Slide

APP ENGINEとバッチ処理

View Slide

App Engineのインフラ
• バッチサーバはない。
• SQLやストアドはない。
• HTTPリクエスト処理の延長上にバッチ処理を考
える必要がある。
• Task Queueが用意されている。
• 長時間の処理は細かい単位に分けて処理する。
• Googleインフラを使うので資源は無尽蔵にある。
• お金はかかります。

View Slide

Task Queueの制約
• タスクは10分以内に終了する必要がある。
• 通常のリクエストは30秒以内。
• 以前は30秒制限があったことを考えると、事実上の無
制限になったといえる。
• タスクに渡すパラメータは10kB以内に抑える必要
がある。
• タスクは必ず実行されるが、2回以上実行されて
しまうかもしれない。
• 処理は冪等であるべき。

View Slide

大量データの処理場面
• データストア上のエンティティを処理したいケー
スを考える。
1. 定時処理
• メール配信、データ取得など
2. 集約プロパティの更新
3. 集計処理
4. スキーマ変更（データ移行）

View Slide

タスクチェーン
• Task Queueを引き継いで長時間の処理を行う。
• タスクの30秒制限があった時は必須だった。
• タスクの完了は保証されていないため、制限がな
くなってもタスクチェーンが望ましい。
• 10秒以内にリクエストを返した方がいい？
リクエストリクエストリクエスト
リクエストリクエスト

View Slide

実験1
• 30秒間かかる処理をどの程度のタスクに分割する
と最も早く完了するか？
• タスクの分割数を変化させて所要時間を測定する。
• ここでは、処理は自由に分割できると考える。
• 例：3秒×10タスク
enqueue
task
task
task
…
Thread.sleep()
を実行する
enqueue を開始してから
すべてのタスクが完了する
までの時間を測定する。

View Slide

回目タスク数 wait [ms] 処理量 [ms] 所要時間 [ms]
3 50 200 10,000 1,274
2 50 200 10,000 1,489
5 20 500 10,000 1,549
4 20 500 10,000 1,551
3 20 500 10,000 1,587
4 50 200 10,000 1,673
2 20 500 10,000 1,744
1 50 200 10,000 1,785
4 10 1,000 10,000 2,029
3 5 2,000 10,000 2,035
2 10 1,000 10,000 2,039
5 5 2,000 10,000 2,041
5 10 1,000 10,000 2,043
3 10 1,000 10,000 2,044
4 5 2,000 10,000 2,047
2 5 2,000 10,000 2,098
1 20 500 10,000 2,622
1 10 1,000 10,000 4,208
1 5 2,000 10,000 6,236
5 50 200 10,000 7,932
2 100 100 10,000 10,949
5 100 100 10,000 14,729
3 100 100 10,000 20,002
4 100 100 10,000 20,110
1 100 100 10,000 20,158
10秒の処理
• 100 ms×100 tasks
• 200 ms×50 tasks
• 1,000 ms×10 tasks
• 2,000 ms×5 tasks
上記5条件を5セット実
行した。

View Slide

4 50 400 20,000 2,896
5 20 1,000 20,000 3,042
2 20 1,000 20,000 3,050
1 20 1,000 20,000 3,055
4 20 1,000 20,000 3,060
3 20 1,000 20,000 3,117
4 25 800 20,000 3,240
3 25 800 20,000 3,250
5 25 800 20,000 3,254
2 25 800 20,000 3,258
5 50 400 20,000 3,311
1 25 800 20,000 3,720
1 10 2,000 20,000 4,024
3 10 2,000 20,000 4,030
5 10 2,000 20,000 4,036
4 10 2,000 20,000 4,037
2 10 2,000 20,000 4,042
4 100 200 20,000 9,431
2 50 400 20,000 11,990
2 100 200 20,000 12,724
3 100 200 20,000 13,011
5 100 200 20,000 20,204
1 100 200 20,000 20,209
1 50 400 20,000 20,432
3 50 400 20,000 36,946
20秒の処理
• 200 ms×100 tasks
• 1,000 ms×20 tasks
• 2,000 ms×10 tasks
• 4,000 ms×5 tasks
行した。

View Slide

4 50 600 30,000 3,887
2 30 1,000 30,000 4,061
4 30 1,000 30,000 4,066
3 30 1,000 30,000 4,150
1 30 1,000 30,000 4,203
5 50 600 30,000 4,306
5 20 1,500 30,000 4,539
1 20 1,500 30,000 4,549
4 20 1,500 30,000 4,558
2 20 1,500 30,000 4,559
3 20 1,500 30,000 4,563
5 30 1,000 30,000 5,057
1 10 3,000 30,000 6,022
5 10 3,000 30,000 6,022
2 10 3,000 30,000 6,026
3 10 3,000 30,000 6,034
4 10 3,000 30,000 6,040
5 100 300 30,000 11,019
3 50 600 30,000 13,613
4 100 300 30,000 20,304
2 100 300 30,000 20,305
1 100 300 30,000 20,312
3 100 300 30,000 20,577
1 50 600 30,000 20,607
2 50 600 30,000 20,623
30秒の処理
• 300 ms×100 tasks
• 1,000 ms×30 tasks
• 1,500 ms×20 tasks
• 3,000 ms×10 tasks
行した。

View Slide

実験1のまとめ
• タスク当たりの処理時間を 1,000 ms 程度にする
とよい？
• 50以上に分割すると効率が悪化する。
• インスタンス数は22まで増えた。
• 今回の実験は一例にすぎない。
• 測定結果が安定しないことを付記しておきます。

View Slide

キーの分割手法
• データストア上のエンティティをいくつかの固ま
りに分解したい。
1. 既知のキー集合を分割する。
2. Scatterプロパティで分割する。
3. カーソルチェーンで処理する。

View Slide

既知のキー集合
• キーの集合があらかじめ分かっている場合、一定
のルールに基づいてキーを分ける。
• 例：範囲の決まっているID
• n等分する。
• ID mod nを使う。
• 例：日付キー
• 月別に処理する。
• 親キーから子キーを取得して処理する。

View Slide

Scatterプロパティ
• App Engine 1.4.0（時期から推測）で追加された。
• Release Notesには書かれていない？
• AppEngine MapReduceで採用されている。
• 新しいエンティティが保存される際、
0.8%の割合でScatterプロパティが付加される。
• 付加されるかどうかはキーによって決まる。
• 付加分のデータ量は課金されない。
• ShortBlob型にキーのハッシュ値が入っている。
• ただし、リザーブドプロパティなので取得できない。
http://code.google.com/p/appengine-mapreduce/wiki/ScatterPropertyImplementation

View Slide

Scatterプロパティ (cont.)
• Scatterプロパティを持つキーを取り出すと、キー
集合を分割する中間点が得られる。
• 取り出すキーの数に関係なく、一様に分布する中間点
が得られることが期待される。
• プロパティの内容がハッシュ値であるため。
• 中間点を得るにはScatterプロパティでソートする。
キーの
集合
List scatterKeys = Datastore.query(m)
.sort(Entity.SCATTER_RESERVED_PROPERTY,
SortDirection.ASCENDING)
.asKeyList();

View Slide

Scatterによる分割
• シャードの区間キーをタスクに渡して処理する。
• Scatterで得られるシャード数は多いため、流量の
調整が必要になる。
• 例：100,000エンティティに対して800 Scatter（0.8%）
Processor Task
Processor Task
プロセッサプロセッサ
Scatter Task
Processor Task
プロセッサ
シャードシャード
シャードシャード
Processor Task
プロセッサ

View Slide

memcache memcache
カーソルチェーン
• クエリの結果を少しずつ処理する。
• ProducerとConsumerが独立して動くようにする。
Processor Task
Processor Task
Query Task
結果リストをmemcacheに
書き込み、カーソルのみを
プロセッサに渡す。
（memcacheのexpire対策）
プロセッサプロセッサ
結果リスト結果リスト
カーソルカーソル
クエリ

View Slide

ElShardフレームワーク
• ElShardというフレームワークを作っています。
• 開発中です...
• タスクチェーン
• TaskChainController
• カーソルチェーン
• QueryProcessorController

View Slide

比較実験（参考）
• 27,000件のエンティティコピー
• AppEngine-Mapper：68秒（1.33 CPU hours）
• カーソルチェーン：32秒（1.29 CPU hours）
• 27,000件のエンティティ削除
• AppEngine-Mapper：57秒（2.24 CPU hours）
• カーソルチェーン：31秒（1.10 CPU hours）

View Slide

APPENGINE-MAPREDUCEの
仕組み
Java版のコードリーディング風

View Slide

AppEngine MapReduceとは
http://code.google.com/p/appengine-mapreduce/
• Google App Engineで動くMapReduceフレーム
ワーク。
• 2010年のGoogle I/Oで発表された。
• Python版とJava版がある。
• 依然としてReducerは発表されていない。
• Issueにpatchが上がっている…

View Slide

AppEngine MapReduceでできること
• すべてのエンティティにアクセスする処理が極め
て簡単に書ける。
• 集約カウンタが使える。
• できないこと
• 12時間のバッチが30分になります
• Reducerは発表されていない。
• 管理コンソールで日本語が表示されない。

View Slide

アーキテクチャ
• Task Queueの上に構築されたフレームワーク。
• アプリケーションからは Hadoop API が見える。
• 実際は AppEngineMapper などの独自クラスが多く使わ
れているため、Hadoop とは別物である。
Mapper（自分で定義する）
AppEngine MapReduce
Datastore / Blobstore Task Queue
Hadoop MapReduce API

View Slide

AppEngine MapReduceの使い方
• SVNからチェックアウトする。
$ svn co http://appengine-mapreduce.googlecode.com/svn/trunk/java
• ビルドする。
$ ant
• ソースコードをEclipseにインポートしてもおk
• Mapperクラスを定義する。
• パラメータを定義する。
• 管理コンソールからMapperを実行する。
http://code.google.com/p/appengine-mapreduce/wiki/GettingStartedInJava

View Slide

Mapperの定義
public class ParseTweet
extends AppEngineMapper
{
@Override
public void map(Key key, Entity entity, Context context)
{
TweetMeta m = TweetMeta.get();
Tweet tweet = m.entityToModel(entity);
context.getCounter(COUNTER_GROUP_SURFACE, tweet.getUser())
.increment(1);
}
}
必ずAppEngineMapperを継承する
キーとエンティティがmap()に渡される
ModelMeta#entityToModel()で
Slim3のモデルに変換可能

View Slide

エンティティを put/delete する場合
• プーリングの仕組みが用意されている。
• delete()は100件ずつ処理される。
• put()はPBが256kBを越えたら処理される。
public void map(Key key, Entity value, Context context)
{
getAppEngineContext(context).getMutationPool().delete(key);
}
public void map(Key key, Entity value, Context context)
{
TweetMeta m = TweetMeta.get();
Tweet tweet = m.entityToModel(entity);
getAppEngineContext(context).getMutationPool().put(m.modelToEntity(tweet));
}

View Slide

カウンタの使い方
• Hadoop Counters が使われている。
• Context#getCounter(カウンタグループ名, カウンタ名)
• Mapperの中でカウンタ値を参照しても途中経過
は得られない。集約結果は最後に得られる。
public void map(Key key, Entity entity, Context context) {
String userId = entity.getProperty(“userId”);
context.getCounter(“user”, userId).increment(1);
}

View Slide

パラメータの定義

mapreduce.map.class
org.hidetake.elshard.demo.mapper.tweet.CountTweet

mapreduce.inputformat.class
com.google.appengine.tools.mapreduce.DatastoreInputFormat

mapreduce.mapper.inputformat.datastoreinputformat.entitykind
Tweet

mapreduce.mapper.shardcount
16

mapreduce.mapper.inputprocessingrate
10000

Mapperクラス
対象のカインド
シャード数
（デフォルト4）
処理エンティティ/秒の上限値
（デフォルト1,000）

View Slide

ジョブの開始
com.google.appengine.tools.mapreduce.MapReduceServlet#handleStart(Configuration, String, HttpServletRequest)
MapReduce
管理コンソール /mapreduce/command/start_job
Ajax
GET
MapReduceServlet#handleStartJob()
MapReduceServlet#handleStart()
1. InputSplitリストの取得
2. Controllerタスクのスケジュール
3. ShardStateの初期化
4. Mapperタスクのスケジュール
ジョブ開始処理は、
サーブレットハンドラに
ベタ書きされている。

View Slide

ジョブの開始（プログラムから）
public Navigation run() throws Exception {
Configuration configuration = new Configuration();
configuration.set("mapreduce.map.class", Mapper.class.getName());
configuration.set("mapreduce.inputformat.class",
"com.google.appengine.tools.mapreduce.DatastoreInputFormat");
configuration.set("mapreduce.mapper.inputformat.datastoreinputformat.entitykind",
TweetMeta.get().getKind());
Queue queue = QueueFactory.getDefaultQueue();
TaskOptions task = TaskOptions.Builder
.withMethod(TaskOptions.Method.POST)
.url("/mapreduce/start")
.param("configuration", ConfigurationXmlUtil.convertConfigurationToXml(configuration));
queue.add(task);
return null;
} /mapreduce/start にXMLをPOSTする
※これ以外の方法をご存じでしたら教えてください。

View Slide

タスクの実行制御
• Controllerタスク：Mapperの流量を制御する。
• Mapperタスク：エンティティを処理する。
Controller
start_job
2秒 Mapper Mapper Mapper
最長10秒
Mapper Mapper Mapper
Controller
2秒間隔で
実行される
2秒
シャード数
map()
map()
map()
map()
map()
map()
map()
map()
map()
com.google.appengine.tools.mapreduce.MapReduceServlet

View Slide

タスクの実行制御 (cont.)
• 短時間に大量のクォータを消費するのを防ぐため、
スループットの上限値を設けている。
• デフォルトは 1,000 エンティティ/秒
Controller Mapper
Quota
Manager
Memcache
refillQuotas()
com.google.appengine.tools.mapreduce.QuotaManager
consume()
put()
Datastore
QuotaConsumer
生産する側(？) 消費する側

View Slide

Mapperの入力
• ジョブの開始時にエンティティが分割される。
• 分割結果は ShardState に保存され、Mapperタス
クに渡される。
Mapper
Datastore
Input
Format
DatastoreInputSplit
Start
Key
Shard
State
…
End
Key
DatastoreInputSplit
Start
Key
End
Key
Shard
State
Shard
State
Mapper
Mapper
com.google.appengine.tools.mapreduce.MapReduceServlet#scheduleShards()

View Slide

ShardState カインド
プロパティ型内容
countersMap Blob Counters のシリアライズデータ
inputSplit Blob InputSplit のシリアライズデータ
inputSplitClass String デシリアライズ用クラス名
jobId String ジョブID
recordReader Blob RecordReader のシリアライズデータ
recordReaderClass String デシリアライズ用クラス名
status (Enum) 状態（ACTIVE/DONE）
statusString String メッセージ？
updateTimestamp Long 最終更新時間

View Slide

キー分割アルゴリズム
• Scatterプロパティからシャード頂点を生成する。
キーの昇順
com.google.appengine.tools.mapreduce.DatastoreInputFormat#getSplits(JobContext)
キーの
集合
シャード1
シャード2
シャード4
Scatterプロパティで
得られる頂点
シャードの頂点
DatastoreInputSplit
オブジェクト
シャード3

View Slide

キー分割アルゴリズム (cont.)
• オーバーサンプリング
• シャード数×32のScatterからシャード頂点を生成する。
• シャードに対してScatterが不足する場合は、Scatterが
シャード頂点になる。
キーの
集合
シャード1
シャード2
シャード3
キーの昇順

View Slide

キー分割アルゴリズム (cont.)
• 開発環境ではScatterプロパティが存在しないため、
すべてのキーを同一のシャードに割り当てる。
• Productionでも起こり得るのか不明
キーの昇順
キーの
集合
シャード1

View Slide

キー分割の例
DatastoreInputFormat getSplits: Getting input splits for: Tweet
DatastoreInputFormat getSplits: Requested 128 scatter entities. Got 75 so using
oversample factor 18
DatastoreInputFormat getSplitsFromSplitPoints: Added DatastoreInputSplit
[email protected] Tweet(14814807863) Tweet(29077523019)
[email protected] Tweet(15299850388119552)
Tweet(24434595889946625)
DatastoreInputSplit write: Writing DatastoreInputSplit
[email protected] Tweet(15299850388119552)
Tweet(24434595889946625)
[email protected] Tweet(24434595889946625) null
4個のシャード設定
128個のScatterを希望
↓
75個のScatterを取得できた
↓
18個のScatterごとに1シャードを構成する

View Slide

以前のキー分割アルゴリズム（参考）
• キーのID/Nameを元に分割点を生成していた。
• Sharding is currently done by splitting the space of keys lexicographically. For instance,
suppose you have the keys 'a', 'ab', 'ac', and 'e' and you request two splits. The
framework will find that the first key is 'a' and the last key is 'e'. 'a' is the first letter and
'e' is the fifth, so the middle is 'c'. Therefore, the two splits are ['a'...'c') and ['c'...), with
the first split containing 'a', 'ab', and 'ac', and the last split only containing 'e'.
http://code.google.com/p/appengine-mapreduce/wiki/UserGuideJava
• 最初と最後のキーを取得し、その間にある文字列
空間を分割していた（IDの場合は整数空間）
• キーの降順インデックスが必要だった。
• Scatterプロパティの導入により廃止された。
• リビジョン142 (2010/12/22) 以降

View Slide

カウンタの集約
• 各シャードのカウンタは定期的に集約される。
• Mapperタスクの終わりに ShardState が永続化される。
これによりシャードのカウンタが更新される。
• Controllerタスクではすべての ShardState のカウンタが
集約され、MapReduceState に書き込まれる。
Mapper 1 Mapper 2
Controller
Shard
State 1
MapReduce
State
map()
map()
Shard
State 2
map()
map()
com.google.appengine.tools.mapreduce.MapReduceServlet#aggregateState(MapReduceState, List)

View Slide

MapReduceState カインド
プロパティ型内容
activeShardCount Long 実行中のシャード数
chart Text シャードグラフのURL
configuration Text Configuration XML
countersMap Blob Counters のシリアライズデータ
lastPollTime Long Controllerタスクの最終実行日時
name String Mapperの名前
progress Double 進捗率
shardCount Long シャード数
startTime Long 開始日時
status (Enum) ステータス

View Slide

後続処理
• Mapperの完了後、任意の処理を実行できる。
• 指定したURLの TaskQueue が実行される。
• ジョブIDがPOSTで渡ってくるので、ジョブに対応する
MapReduceState を取得できる。
• Mapperの前後にジョブを配置できる。
Mapperジョブ
Controller
start_job
Mapper
後続ジョブ
先行ジョブ
Configuration ジョブID

View Slide

デモ
Twitterのタイムラインで遊んでみる

View Slide

タイムラインの解析
• ユーザのツイートを形態素解析し、よくつぶやい
ている単語を調べる。
• ツイート取得：タスクチェーン
• 形態素解析とカウント：AppEngine MapReduce
形態素解析とカウント
Controller
start_job
Mapper
カウンタの
保存
ツイートの
取得
ツイート単語数

View Slide

ご清聴ありがとうございました。
2011.2.22 ajn#14

View Slide

App Engine上の大量データ処理について

App Engine上の大量データ処理について

Hidetake Iwata

More Decks by Hidetake Iwata

Other Decks in Technology

Featured

Transcript