上一篇萬字長文細說了MapReduce架構(gòu)設(shè)計，為什么有人說，MapReduce系統(tǒng)架構(gòu)，顛覆了互聯(lián)網(wǎng)分層架構(gòu)的本質(zhì)？

下圖是一個典型的，互聯(lián)網(wǎng)分層架構(gòu)：

• 客戶端層：典型調(diào)用方是瀏覽器browser或者手機APP；
• 站點應(yīng)用層：實現(xiàn)核心業(yè)務(wù)邏輯，從下游獲取數(shù)據(jù)，對上游返回html或者json；
• 服務(wù)層：業(yè)務(wù)服務(wù)，數(shù)據(jù)服務(wù)，基礎(chǔ)服務(wù)，對上游提供友好的RPC接口；
• 數(shù)據(jù)緩存層：緩存加速訪問存儲；
• 數(shù)據(jù)固化層：數(shù)據(jù)庫固化數(shù)據(jù)存儲；

同一個層次的內(nèi)部，例如端上的APP，以及web-server，也都會進行MVC分層：

• view層：展現(xiàn)；
• control層：邏輯；
• model層：數(shù)據(jù)；

工程師骨子里，都潛移默化的實施著分層架構(gòu)設(shè)計。

互聯(lián)網(wǎng)分層架構(gòu)的本質(zhì)究竟是什么呢？

如果我們仔細思考會發(fā)現(xiàn)，不管是跨進程的分層架構(gòu)，還是進程內(nèi)的MVC分層，都是一個“數(shù)據(jù)移動”，然后“被處理”和“被呈現(xiàn)”的過程。

如上圖所示，數(shù)據(jù)處理和呈現(xiàn)，需要CPU計算，而CPU是固定不動的：

• db/service/web-server都部署在固定的集群上；
• 端上，不管是browser還是APP，也有固定的CPU處理；

而數(shù)據(jù)是移動的：

• 跨進程的：數(shù)據(jù)從數(shù)據(jù)庫和緩存里，轉(zhuǎn)移到service層，到web-server層，到client層；
• 同進程的：數(shù)據(jù)從model層，轉(zhuǎn)移到control層，轉(zhuǎn)移到view層；

歸根結(jié)底一句話：互聯(lián)網(wǎng)分層架構(gòu)，是一個CPU固定，數(shù)據(jù)移動的架構(gòu)。

MapReduce的架構(gòu)，是不是也遵循這個架構(gòu)特點呢？

假如MapReduce也使用類似的的分層架構(gòu)模式：

提前部署服務(wù)：

• map服務(wù)層：接收輸入數(shù)據(jù)，產(chǎn)出“分”的數(shù)據(jù)，集群部署M=1W個實例；
• reduce服務(wù)層：接受“合”的數(shù)據(jù)，產(chǎn)出最終數(shù)據(jù)，集群部署R=1W個實例；

當(dāng)用戶提交作業(yè)時：

• 把數(shù)據(jù)數(shù)據(jù)傳輸給map服務(wù)集群；
• map服務(wù)集群產(chǎn)出結(jié)果后，把數(shù)據(jù)傳輸給reduce服務(wù)集群；
• reduce服務(wù)集群把結(jié)果傳輸給用戶；

存在什么問題？

將有大量的時間浪費在大量數(shù)據(jù)的網(wǎng)絡(luò)傳輸上。

畫外音：輸入給map，map給reduce，reduce給用戶。

會發(fā)現(xiàn)，“固定CPU，移動數(shù)據(jù)”的架構(gòu)并不適合。

Google MapReduce工程架構(gòu)是如何思考這一個問題的呢？

問了減少數(shù)據(jù)量的傳輸：

(1) 輸入數(shù)據(jù)，被分割為M塊后，master會盡量將執(zhí)行map函數(shù)的worker實例，啟動在輸入數(shù)據(jù)所在的服務(wù)器上；

畫外音：不需要網(wǎng)絡(luò)傳輸了。

(2) map函數(shù)的worker實例輸出的的結(jié)果，會被分區(qū)函數(shù)劃分成R塊，寫到worker實例所在的本地磁盤；

畫外音：不需要網(wǎng)絡(luò)傳輸了。

(3) reduce函數(shù)，由于有M個輸入數(shù)據(jù)源（M個map的輸出都有一部分數(shù)據(jù)可能對應(yīng)到一個reduce的輸入數(shù)據(jù)），所以，master會盡量將執(zhí)行reduce函數(shù)的worker實例，啟動在離這些輸入數(shù)據(jù)源盡可能“近”的服務(wù)器上；

畫外音：目的也是最小化網(wǎng)絡(luò)傳輸；

服務(wù)器之間的“近”，可以用內(nèi)網(wǎng)IP地址的相似度衡量。

所以，對于MapReduce系統(tǒng)架構(gòu)，“固定數(shù)據(jù)，移動CPU”更為合理。

這是為什么呢？

互聯(lián)網(wǎng)在線業(yè)務(wù)的特點是：

• 總數(shù)據(jù)量大；
• 吞吐量比較大，同時發(fā)起的請求多；
• 每個請求，處理的數(shù)據(jù)相對比較小；
• 用戶對處理時延比較敏感；

這類業(yè)務(wù)，使用“固定CPU，移動數(shù)據(jù)”的分層架構(gòu)是合理的。

MapReduce離線業(yè)務(wù)的特點是：

• 吞吐量比較小，同時發(fā)起的任務(wù)比較少；
• 每個任務(wù)，處理的數(shù)據(jù)量非常大；
• 用戶對處理時延容忍性大；

這類業(yè)務(wù)，使用“固定數(shù)據(jù)，移動CPU”的分層架構(gòu)是合理的。

任何脫離業(yè)務(wù)的架構(gòu)設(shè)計，都是耍流氓。

知其然，知其所以然。

思路比結(jié)論更重要。