Apache Linkis 中间件架构及快速安装步骤
时间：2023-03-03 11:17:51 | 栏目：Linux | 点击：次
1、Apache Linkis 介绍
Linkis 在上层应用和底层引擎之间构建了一层计算中间件。通过使用Linkis 提供的REST/WebSocket/JDBC 等标准接口，上层应用可以方便地连接访问Spark, Presto, Flink 等底层引擎,同时实现跨引擎上下文共享、统一的计算任务和引擎治理与编排能力。
MySQL/Spark/Hive/Presto/Flink 等底层引擎，同时实现变量、脚本、函数和资源文件等用户资源的跨上层应用互通。作为计算中间件，Linkis 提供了强大的连通、复用、编排、扩展和治理管控能力。通过计算中间件将应用层和引擎层解耦，简化了复杂的网络调用关系，降低了整体复杂度，同时节约了整体开发和维护成本。
2.1 计算中间件概念
没有Linkis之前
上层应用以紧耦合方式直连底层引擎，使得数据平台变成复杂的网状结构
有Linkis之后
通过计算中间件将应用层和引擎层解耦，以标准化可复用方式简化复杂的网状调用关系，降低数据平台复杂度
2.2 整体架构
Linkis 在上层应用和底层引擎之间构建了一层计算中间件。通过使用Linkis 提供的REST/WebSocket/JDBC 等标准接口，上层应用可以方便地连接访问Spark, Presto, Flink 等底层引擎。
2.3 核心特点
- 丰富的底层计算存储引擎支持。目前支持的计算存储引擎：Spark、Hive、Python、Presto、ElasticSearch、MLSQL、TiSpark、JDBC和Shell等。正在支持中的计算存储引擎：Flink(>=1.0.2版本已支持)、Impala等。支持的脚本语言：SparkSQL, HiveQL, Python, Shell, Pyspark, R, Scala 和JDBC 等。
- 强大的计算治理能力。基于Orchestrator、Label Manager和定制的Spring Cloud Gateway等服务，Linkis能够提供基于多级标签的跨集群/跨IDC 细粒度路由、负载均衡、多租户、流量控制、资源控制和编排策略(如双活、主备等)支持能力。
- 全栈计算存储引擎架构支持。能够接收、执行和管理针对各种计算存储引擎的任务和请求，包括离线批量任务、交互式查询任务、实时流式任务和存储型任务；
- 资源管理能力。ResourceManager 不仅具备 Linkis0.X 对 Yarn 和 Linkis EngineManager 的资源管理能力，还将提供基于标签的多级资源分配和回收能力，让 ResourceManager 具备跨集群、跨计算资源类型的强大资源管理能力。
- 统一上下文服务。为每个计算任务生成context id，跨用户、系统、计算引擎的关联管理用户和系统资源文件（JAR、ZIP、Properties等），结果集，参数变量，函数等，一处设置，处处自动引用；
- 统一物料。系统和用户级物料管理，可分享和流转，跨用户、系统共享物料。
2.4 支持的引擎类型
引擎 |
引擎版本 |
Linkis 0.X 版本要求 |
Linkis 1.X 版本要求 |
说明 |
Flink |
1.12.2 |
>=dev-0.12.0, PR #703 尚未合并 |
>=1.0.2 |
Flink EngineConn。支持FlinkSQL 代码，也支持以Flink Jar 形式启动一个新的Yarn 应用程序。 |
Impala |
>=3.2.0, CDH >=6.3.0" |
>=dev-0.12.0, PR #703 尚未合并 |
ongoing |
Impala EngineConn. 支持Impala SQL 代码. |
Presto |
>= 0.180 |
>=0.11.0 |
ongoing |
Presto EngineConn. 支持Presto SQL 代码. |
ElasticSearch |
>=6.0 |
>=0.11.0 |
ongoing |
ElasticSearch EngineConn. 支持SQL 和DSL 代码. |
Shell |
Bash >=2.0 |
>=0.9.3 |
>=1.0.0_rc1 |
Shell EngineConn. 支持Bash shell 代码. |
MLSQL |
>=1.1.0 |
>=0.9.1 |
ongoing |
MLSQL EngineConn. 支持MLSQL 代码. |
JDBC |
MySQL >=5.0, Hive >=1.2.1 |
>=0.9.0 |
>=1.0.0_rc1 |
JDBC EngineConn. 已支持MySQL 和HiveQL，可快速扩展支持其他有JDBC Driver 包的引擎, 如Oracle. |
Spark |
Apache 2.0.0~2.4.7, CDH >=5.4.0 |
>=0.5.0 |
>=1.0.0_rc1 |
Spark EngineConn. 支持SQL, Scala, Pyspark 和R 代码. |
Hive |
Apache >=1.0.0, CDH >=5.4.0 |
>=0.5.0 |
>=1.0.0_rc1 |
Hive EngineConn. 支持HiveQL 代码. |
Hadoop |
Apache >=2.6.0, CDH >=5.4.0 |
>=0.5.0 |
ongoing |
Hadoop EngineConn. 支持Hadoop MR/YARN application. |
Python |
>=2.6 |
>=0.5.0 |
>=1.0.0_rc1 |
Python EngineConn. 支持python 代码. |
TiSpark |
1.1 |
>=0.5.0 |
ongoing |
TiSpark EngineConn. 支持用SparkSQL 查询TiDB. |
2、Apache Linkis 快速部署
2.1 注意事项
因为mysql-connector-java驱动是GPL2.0协议，不满足Apache开源协议关于license的政策，因此从1.0.3版本开始，提供的Apache版本官方部署包，默认是没有mysql-connector-java-x.x.x.jar的依赖包，安装部署时需要添加依赖到对应的lib包中。
Linkis1.0.3 默认已适配的引擎列表如下：
引擎类型 |
适配情况 |
官方安装包是否包含 |
Python |
1.0已适配 |
包含 |
Shell |
1.0已适配 |
包含 |
Hive |
1.0已适配 |
包含 |
Spark |
1.0已适配 |
包含 |
2.2 确定环境
2.2.1 依赖
?引擎类型? |
?依赖环境? |
?特殊说明? |
?Python? |
?Python环境? |
?日志和结果集如果配置hdfs://则依赖HDFS环境? |
?JDBC? |
?可以无依赖? |
?日志和结果集路径如果配置hdfs://则依赖HDFS环境? |
?Shell? |
?可以无依赖? |
?日志和结果集路径如果配置hdfs://则依赖HDFS环境? |
?Hive? |
?依赖Hadoop和Hive环境? |
|
?Spark? |
?依赖Hadoop/Hive/Spark? |
要求：安装Linkis需要至少3G内存。
默认每个微服务JVM堆内存为512M，可以通过修改??SERVER_HEAP_SIZE??来统一调整每个微服务的堆内存，如果您的服务器资源较少，我们建议修改该参数为128M。如下：
vim ${LINKIS_HOME}/deploy-config/linkis-env.sh
# java application default jvm memory.
export SERVER_HEAP_SIZE="128M"
2.2.2 环境变量
官网示例：
#JDK export JAVA_HOME=/nemo/jdk1.8.0_141 ##如果不使用Hive、Spark等引擎且不依赖Hadoop，则不需要修改以下环境变量 #HADOOP export HADOOP_HOME=/appcom/Install/hadoop export HADOOP_CONF_DIR=/appcom/config/hadoop-config #Hive export HIVE_HOME=/appcom/Install/hive export HIVE_CONF_DIR=/appcom/config/hive-config #Spark export SPARK_HOME=/appcom/Install/spark export SPARK_CONF_DIR=/appcom/config/spark-config/ export PYSPARK_ALLOW_INSECURE_GATEWAY=1 # Pyspark必须加的参数
示例：
2.3 安装包下载
??https://linkis.apache.org/zh-CN/download/main??
2.4 不依赖HDFS的基础配置修改
vi deploy-config/linkis-env.sh #SSH_PORT=22 #指定SSH端口，如果单机版本安装可以不配置 deployUser=hadoop #指定部署用户 LINKIS_INSTALL_HOME=/appcom/Install/Linkis # 指定安装目录 WORKSPACE_USER_ROOT_PATH=file:///tmp/hadoop # 指定用户根目录，一般用于存储用户的脚本文件和日志文件等，是用户的工作空间。 RESULT_SET_ROOT_PATH=file:///tmp/linkis # 结果集文件路径，用于存储Job的结果集文件 ENGINECONN_ROOT_PATH=/appcom/tmp #存放ECP的安装路径，需要部署用户有写权限的本地目录 ENTRANCE_CONFIG_LOG_PATH=file:///tmp/linkis/ #ENTRANCE的日志路径 ## LDAP配置，默认Linkis只支持部署用户登录，如果需要支持多用户登录可以使用LDAP，需要配置以下参数： #LDAP_URL=ldap://localhost:1389/ #LDAP_BASEDN=dc=webank,dc=com
2.5 修改数据库配置
vi deploy-config/db.sh
2.6 安装
执行安装脚本：??sh bin/install.sh??
install.sh脚本会询问您是否需要初始化数据库并导入元数据。
因为担心用户重复执行install.sh脚本，把数据库中的用户数据清空，所以在install.sh执行时，会询问用户是否需要初始化数据库并导入元数据。
2.7 检查是否安装成功
2.8 快速启动Linkis
启动服务
sh sbin/linkis-start-all.sh
查看是否启动成功
可以在Eureka界面查看服务启动成功情况，查看方法：
使用???http://${EUREKA_INSTALL_IP}:${EUREKA_PORT}???, 在浏览器中打开，查看服务是否注册成功。
如果您没有在config.sh指定EUREKA_INSTALL_IP和EUREKA_INSTALL_IP，则HTTP地址为：http://127.0.0.1:20303
默认会启动8个Linkis微服务，其中图下linkis-cg-engineconn服务为运行任务才会启动
2.9 问题集
1、telnet
<-----start to check used cmd----> check command fail need 'telnet' (your linux command not found) Failed to + check env
解决：sudo yum -y install telnet
2、connection exception
mkdir: Call From hadoop01/192.168.88.111 to hadoop01:9820 failed on connection exception: java.net.ConnectException: 拒绝连接; For more details see: http://wiki.apache.org/hadoop/ConnectionRefused Failed to + create hdfs:///tmp/linkis directory
解决：启动HDFS