480 likes | 670 Views
CloudConf 2013 Outubro / 2013 Big compute, big net & big data: How to be big ! Luiz Monnerat PETROBRAS. Tópicos!!!. Big Compute (HPC) Big Net (Internet) Big Data Paralelismo Escalabilidade Arquiteturas P2P na Internet Arquiteturas P2P nos CPDs Distributed Hash Tables.
E N D
CloudConf 2013 Outubro / 2013 Big compute, big net & big data: How to be big! LuizMonnerat PETROBRAS
Tópicos!!! • Big Compute (HPC) • Big Net (Internet) • Big Data • Paralelismo • Escalabilidade • Arquiteturas P2P na Internet • Arquiteturas P2P nos CPDs • DistributedHashTables O que podemos aprender ? Howtobe big ????
Tópicos!!! • Big Compute (HPC) • Big Net (Internet) • Big Data • Paralelismo • Escalabilidade • Arquiteturas P2P na Internet • Arquiteturas P2P nos CPDs • DistributedHashTables O que podemos aprender ? Howtobe big ????
Big Compute Processamento de Alto Desempenho Também conhecido como HPC, HPTC ou Supercomputação Uso de computadores poderosos para resolver os maiores e mais complexos problemas numéricos Meteorologia, Simulações Nucleares, Avaliação de riscos em mercados, Processamento Sísmico, etc. Exemplo: grifo04, maior supercomputador da América Latina 17 bastidores 544 servidores Rede de 20gbps por servidor Cerca de 500 mil cores matemáticos (incluindo GPUs) 40TB de RAM
Howtobe Big Compute...... Processamento Paralelo Uso de mais de uma unidade computacional (p.e., CPU) para resolução de um (ou vários) problema(s) simultaneamente Escalabilidade Propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade (p.e., com a adição de mais CPUs ou servidores) Balanceamento de carga, Processamento Heterogêneo, comunicação entre processos, sincronização, etc.
Howtobe Big Compute...... Processamento Paralelo Uso de mais de uma unidade computacional (p.e., CPU) para resolução de um (ou vários) problema(s) simultaneamente Escalabilidade Propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade (p.e., com a adição de mais CPUs ou servidores) Balanceamento de carga, Processamento Heterogêneo, comunicação entre processos, sincronização, etc.
Processamento Paralelo Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Servidor de Processamento Para o paralelismo trazer benefícios o sistema tem que ser escalável
Howtobe Big Compute...... Processamento Paralelo Uso de mais de uma unidade computacional (p.e., CPU) para resolução de um (ou vários) problema(s) simultaneamente Escalabilidade Propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade (p.e., com a adição de mais CPUs ou servidores) Balanceamento de carga, Processamento Heterogêneo, comunicação entre processos, sincronização, etc.
Howtobe Big Compute...... Processamento Paralelo Uso de mais de uma unidade computacional (p.e., CPU) para resolução de um (ou vários) problema(s) simultaneamente Escalabilidade Propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade (p.e., com a adição de mais CPUs ou servidores) Balanceamento de carga, Processamento Heterogêneo, comunicação entre processos, sincronização, etc.
Curva de Escalabilidade Escalabilidade é a propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade.
Curva de Escalabilidade Escalabilidade é a propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade.
Curva de Escalabilidade Escalabilidade é a propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade.
Curva de Escalabilidade Escalabilidade é a propriedade de um sistema prover mais desempenho à medida em que lhe é adicionada mais capacidade.
Limitações de Escalabilidade • Há diversos fatores que podem limitar a escalabilidade de um sistema • Balanceamento de carga • Comunicação entre processos • Sincronização • ... • ... • Arquitetura Cliente/Servidor
Tópicos!!! • Big Compute (HPC) • Big Net (Internet) • Big Data • Paralelismo • Escalabilidade • Arquiteturas P2P na Internet • Arquiteturas P2P nos CPDs • DistributedHashTables
Big Net Internet Rede mundial de “computadores”..... e “coisas” !!!!! Sistemas com milhões de usuários simultâneos Demandas imprevisíveis Sistemas Cliente/Servidor não atendem bem.... Escalabilidade é crítica Alto custo Difíceis de dimensionar
Tópicos!!! • Big Compute (HPC) • Big Net (Internet) • Big Data • Paralelismo • Escalabilidade • Arquiteturas P2P na Internet • Arquiteturas P2P nos CPDs • DistributedHashTables
Howtobe Big Net..... P2P !!!! peer-to-peer ou par-a-par Arquitetura de sistemas distribuídos onde todos os participantes são iguais em suas funções (pares) Cada par realiza funções de servidor e de cliente de um mesmo serviço Não há distinção entre servidores e clientes Intrinsicamente escalável !!!!!! Ajusta-se automaticamente a variações de demanda!!
Escalabilidade P2P Malha Telefônica
Sistemas puramente P2P • Vários sistemas P2P usam soluções Cliente/Servidor (p.e., diretórios) para metadados • Exemplo: Napster • Acesso a metadados pode ser um gargalo em sistemas enormes • Sistemas puramente P2P atuais usam DHTs como diretórios • Exemplos Skype, KAD/eMule, BitTorrent • São mais escaláveis
Filesystem Tradicional Cluster de Processamento Servidor de Processamento FS Server FS client Servidor de Processamento FS client Servidor de Processamento FS client
Filesystem Tradicional Cluster de Processamento Servidor de Processamento FS Server FS client Servidor de Processamento FS client Servidor de Processamento FS client
Filesystem Tradicional Cluster de Processamento Servidor de Processamento FS Server FS client Servidor de Processamento FS client Servidor de Processamento FS client
Filesystem Paralelo Cluster de Processamento Servidor de Processamento FS Server FS client FS Server Servidor de Processamento FS client Servidor de Processamento FS client
Filesystem Paralelo Cluster de Processamento Servidor de Processamento FS Server FS client FS Server Servidor de Processamento FS Server FS client FS Server Servidor de Processamento FS Server FS client
Filesystem Paralelo versus P2P Cluster de Processamento Servidor de Processamento FS Server FS client FS Server • Filesystems P2P são soluções basicamente de software que podem aliar: • Baixo custo • Escalabilidade • Alto desempenho • Exemplos • Google filesystem • Hadoop FS FS Server Servidor de Processamento FS Server FS Server FS client FS Server Servidor de Processamento FS Server FS Server FS client
Tópicos!!! • Big Compute (HPC) • Big Net (Internet) • Big Data • Paralelismo • Escalabilidade • Arquiteturas P2P na Internet • Arquiteturas P2P nos CPDs • DistributedHashTables
Big Data Várias definições.......... Grandes massas de dados não estruturados Uso de Data Mining / busca de correlações Uso de Analytics 5V’s : Velocidade, Volume, Variedade, Veracidade e Valor As demandas impostas pelas necessidades de volume e velocidade de acesso dos dados desafiam os filesystems tradicionais Cliente/Servidor (sejam paralelos ou não!)
Howtobe Big Data...... P2P dentro do CPD! Filesystem P2P Hadoop FS (HDFS) Não é puramente P2P....... Pode ter gargalos no acesso aos metadados Criadores do GoogleFS relataram que eles usam centenas de servidores de metadados dedicados
Hadoop File System (HDFS) Parte do projeto Apache Hadoop Baseado no GFS (Google FS) É P2P!!!!!!!! P2P híbrido, com os metadados em servidor dedicado Escalável Integração com MapReduce Pode ser usado em separado do Hadoop Não é compatível com padrão POSIX Aplicações prévias precisam ser reescritas Aplicações novas podem ser desenvolvidas de modo “HDFS friendly”
Típico Filesystem P2P Cluster de Processamento Servidor de Processamento Metadata Server FS client FS Server Servidor de Processamento FS Server FS client • Filesystems P2P em geral usam uma solução cliente/servidor para diretórios/metadados • Acesso a metadados só se torna um gargalo em sistemas P2P MUITO grandes • Mas soluções P2P para diretórios (DHTs) costumam ter latências muito altas Servidor de Processamento FS Server FS client
Tópicos!!! • Big Compute (HPC) • Big Net (Internet) • Big Data • Paralelismo • Escalabilidade • Arquiteturas P2P na Internet • Arquiteturas P2P nos CPDs • DistributedHashTables
Distributed Hash Table (DHT) • Estrutura de dados distribuída, P2P, escalável e auto-reorganizável • Os dados são tipicamente metadados(entradas de diretórios) • As recuperações dos dados são feitas através de consultas • Os dadossão distribuídos segundo uma função criptográfica (hash)
Resolução de Consultas em DHTs As consultas são resolvidas recursivamente Cada consulta pode gerar várias “sub-consultas” (ou hops) Multi-hopDHTs, introduzidas no início dos anos 2000 Como quando fazemos para descobrir o telefone de alguém, ligando para seus amigos, parentes, etc. Cada consulta em uma Multi-hop DHT pode gerar dezenas de saltos Latência alta, porém adequada para muitas aplicações de Internet Mais recentemente surgiram as single-hop DHTs “Diretórios” P2P Escalabilidade aliada a baixa latência
Principais Single-hop DHTs • OneHop (MIT, Gupta et al, 2004) • Altíssimo consumo de banda passante • Desbalanceamento de carga • 1h-Calot (IBM+Rochester, Tang et al, 2005) • Altíssimo consumo de banda passante • Bom balanceamento de carga • D1HT (Petrobras+UFRJ, Monnerat e Amorim, 2005) • Bom balanceamento de carga • Consumo de banda passante 10x menor do que OneHop e 1h-Calot • Puramente P2P • Auto-reorganizável
D1HT: A Distributed One Hop Hash Table • Baixa Latência: • Requisito de HPC, Big Data, etc. • Baixos custos de manutenção: • Requisito de aplicações P2P na Internet
D1HT: A Distributed One Hop Hash Table • Baixa Latência: • Requisito de HPC, Big Data, etc. • Baixos custos de manutenção: • Requisito de aplicações P2P na Internet • D1HT: Uma DHT de propósito geral!
D1HT: A Distributed One Hop Hash Table • Baixa Latência: • Requisito de HPC, Big Data, etc. • Baixos custos de manutenção: • Requisito de aplicações P2P na Internet • D1HT: Uma DHT de propósito geral! Melhor Tese de Doutorado brasileira em HPC (2010)
Conclusões • Aprendizado e técnicas desenvolvidas para HPC, Internet e Big Data são importantes para implantação de grandes sistemas • Sistemas cliente/servidor paralelos podem ser escaláveis e resolver a maioria das demandas • Sistemas P2P são ainda mais escaláveis e recomendados para ambientes muito grandes • Na medida em que os sistemas têm crescido cada vez mais, DHTs se tornarão mais comuns e até necessárias em alguns casos
MUITO Obrigado!!!http://www.cos.ufrj.br/~monnerathttp://br.linkedin.com/in/luizmonnerat
Perguntas??http://www.cos.ufrj.br/~monnerathttp://br.linkedin.com/in/luizmonneratPerguntas??http://www.cos.ufrj.br/~monnerathttp://br.linkedin.com/in/luizmonnerat
Agenda • Introdução: Processamento Sísmico • Processamento de Alto Desempenho • Escalabilidade • Grandes Massas de Dados não Estruturados na Petrobras • Filesystems Paralelos • Arquiteturas P2P • Filesystems P2P • Tabelas Hash Distribuídas (DHTs) • Hadoop • Conclusão
Arquitetura P2P híbrida do HDFS Servidor de Processamento namenode FS client datanode Servidor de Processamento datanode FS client • Namenode (servidor de metadadados) roda em um servidor dedicado • Datanodes (servidores de dados) rodam nos nós do cluster. • Cada nó atua então como: • Servidor de processamento • Cliente de FS • Servidor de FS Servidor de Processamento datanode FS client
Hadoop • HDFS + MapReduce & more! • É P2P!!!!!!!! • “Moving Computation is Cheaper than Moving Data” • Se encaixa bem com estratégias de Analytics • Pode facilitar – em MUITO – o desenvolvimento de aplicações paralelas • Solução commodity e escalável! Pode ser SUPER útil para HPC !!!!!
Conclusões • Processamento sísmico usa grandes massas de dados e HPC • Muito da experiência HPC pode ser usado em BigData • Clusters Linux • Soluções commodities • Quanto mais commodity melhor! • Paralelismo • Escalabilidade • Arquiteturas P2P são intrinsicamente escaláveis • DHT: solução P2P para diretórios e metadados • Hadoop: P2P, escalável e commodity • HPC pode usufruir de soluções desenvolvidas para BigData