一、Linkis的设计初衷

大数据开源生态圈几乎每个组件都有自己的一套用户权限管理、资源管理、元数据管理、独立的API接入方式和使用方式。

而且各种新的组件还在不断出现。

但是，用户的业务需求通常需要多个开源组件协同处理才能实现。

为了一个业务需求，用户需要学习多个产品的使用手册，需要在多个产品上做重复的定制化开发，才能真正将开源组件引入到实际的生产环境中。

这给用户带来了极其高昂的学习成本和额外工作量，运维方面也需要大量重复的维护管理工作。

同时，上层的功能工具产品和底层的计算存储系统耦合度过高，层次结构、调用关系不够清晰和解耦，导致底层环境一旦发生任何改变，都会直接影响业务产品的正常使用。

如何提供一套统一的数据中间件，对接上层应用工具，屏蔽掉底层的各种调用和使用细节，真正做到让业务用户只需关注业务实现细节，就算底层大数据平台机房扩建、整体搬迁都不受影响，是Linkis的设计初衷！

二、Linkis的技术架构

如上图所示，我们基于目前流行的SpringCloud微服务技术，新建了多个微服务集群，来提供高可用能力。

每个微服务集群各自承担系统的一部分功能职责，我们对其进行了如下明确的划分。如：

• 统一作业执行服务：一个分布式的REST/WebSocket服务，用于接收用户提交的各种脚本请求。

  目前支持的计算引擎有：Spark、Python、TiSpark、Hive和Shell等。

  支持的脚本语言有：SparkSQL、Spark Scala、Pyspark、R、Python、HQL和Shell等；

  更多关于统一作业执行服务的信息，请查看UJES架构设计文档

• 资源管理服务： 支持实时管控每个系统和用户的资源使用情况，限制系统和用户的资源使用量和并发数，并提供实时的资源动态图表，方便查看和管理系统和用户的资源；

  目前已支持的资源类型：Yarn队列资源、服务器（CPU和内存）、用户并发个数等。

  更多关于资源管理服务的信息，请查看RM架构设计文档

• 应用管理服务(开源版本暂无)：管理所有系统的所有用户应用，包括离线批量应用、交互式查询应用和实时流式应用，为离线和交互式应用提供强大的复用能力，并提供应用全生命周期管理，自动释放用户多余的空闲应用；

• 统一存储服务：通用的IO架构，能快速对接各种存储系统，提供统一调用入口，支持所有常用格式数据，集成度高，简单易用；

  更多统一存储服务的信息，请查看[Storage架构设计文档]

• 统一上下文服务：统一用户和系统资源文件（JAR、ZIP、Properties等），用户、系统、计算引擎的参数和变量统一管理，一处设置，处处自动引用；

• 物料库：系统和用户级物料管理，可分享和流转，支持全生命周期自动管理；

• 元数据服务：实时的库表结构和分区情况展示。

依赖于这些微服务的相互协作，对外构建一个集中的、统一的大数据平台服务。

通过这些服务的构建，我们改善了整个大数据平台对外服务的方式和流程。

三、Linkis业务架构

名词解释：

1) Gateway网关:

基于Spring Cloud Gateway进行了插件化功能增强，新增了WebSocket一对多能力的网关服务，主要用于解析和路由转发用户的请求到指定微服务。

2) 统一入口:

统一入口是用户某一类引擎作业的Job生命周期管理者。

从作业生成到提交到执行引擎，再到作业信息反馈给用户和作业关闭，Entrance管理了一个作业的全生命周期。

3) 引擎管理器:

引擎管理器负责管理引擎的全生命周期。

负责向资源管理服务申请和锁定资源，并实例化新的引擎，也负责监控引擎的生命状态。

4) 执行引擎:

执行引擎是真正执行用户作业的微服务，它由引擎管理器启动。

为了提升交互性能，引擎服务是直接跟提交给它作业的统一入口进行交互，将作业正确执行，并反馈用户需要的各种信息，如日志、进度、状态和结果集等。

5) 资源管理服务

实时管控每个系统和每个用户的资源使用情况，管理微服务集群的资源使用和实际负载，限制系统和用户的资源使用量和并发数。

6) Eureka

Eureka是Netflix开发的服务发现框架，SpringCloud将它集成在其子项目spring-cloud-netflix中，以实现SpringCloud的服务发现功能。

每个微服务都内置了Eureka Client，可以访问Eureka Server，实时获得服务发现的能力。

四、Linkis处理流程

下面开始介绍用户在上层系统提交了一个SQL，Linkis是如何执行并返回结果的。

1. 上层系统的用户提交一个SQL，先经过Gateway，Gateway负责解析用户请求，并路由转发给合适的统一入口Entrance

2. entrance会先寻找该系统的该用户是否存在可用的Spark引擎服务，如果存在，则直接将请求提交给Spark引擎服务

3. 不存在可用Spark引擎服务，开始通过Eureka的服务注册发现功能，拿到所有的引擎管理器列表，通过请求RM实时获取引擎管理器的实际负载

4. Entrance拿到负载最低的引擎管理器，开始要求引擎管理器启动一个Spark引擎服务

5. 引擎管理器接收到请求，开始询问RM该系统下的该用户，是否可以启动新引擎

6. 如果可以启动，则开始请求资源并锁定；否则返回启动失败的异常给到Entrance

7. 锁定资源成功，开始启动新的spark引擎服务；启动成功后，将新Spark新引擎返回给Entrance

8. Entrance拿到新引擎后，开始向新引擎请求执行SQL

9. Spark新引擎接收SQL请求，开始向Yarn提交执行SQL，并实时推送日志、进度和状态给Entrance

10. Entrance将获取的日志、进度和状态实时推送给Gateway

11. Gateway回推日志、进度和状态给前端

12. 一旦SQL执行成功，Engine主动将结果集推给Entrance，Entrance通知前端拿取结果。

关于Entrance/EngineManager/Engine异常情况下的设计方案，请查看UJES架构设计文档