流式处理系统的动态数据分配技术

J4 ›› 2014, Vol. 36 ›› Issue (10): 1846-1853.

流式处理系统的动态数据分配技术

王成章1,林学练1,谭静芳2

(1.北京航空航天大学计算机学院，北京 100191；2.泰山学院物理与电子工程学院，山东泰安 271021)

收稿日期:2014-06-11 修回日期:2014-08-24 出版日期:2014-10-25 发布日期:2014-10-25
基金资助:
国家973计划资助项目(2014CB340300)

Dynamic data distribution for stream processing system

WANG Chengzhang1,LIN Xuelian1,TAN Jingfang2

(1.School of Computer Science and Engineering,Beihang University,Beijing 100191;
2.School of Physics and Electronic Engineering,Taishan University,Taian 271021,China)

Received:2014-06-11 Revised:2014-08-24 Online:2014-10-25 Published:2014-10-25

摘要/Abstract

摘要：

流式数据处理中，数据倾斜等原因易导致计算节点的负载不均衡，降低系统处理能力。传统的负载均衡方法，比如算子分配、算子迁移和负载脱落等技术因为相对较高的性能代价，在流式处理系统中没有得到广泛的应用。针对流式处理系统的特点，提出一种新的负载均衡方法。在该方法中，计算单元的数据被划分为若干分区，并且数据分区可以在计算单元中动态分配和迁移，在较少干扰系统运行的情况下，通过动态调整各计算单元的分区，平衡各个计算单元的输入流和利用率，以此达到负载平衡的目的。在此基础上，设计并实现了流式处理系统的负载均衡算法和数据在线迁移技术。实验结果表明，该方法能够显著减少数据处理的平均延迟，提高系统吞吐量。

关键词: 数据流, 流式处理, 负载均衡, 数据分配, 数据迁移

Abstract:

In stream processing systems,data skew often leads to load imbalance among computing nodes,thereby increases the response time of data process.Traditional load balancing methods such as operator distribution,operator migration and load shedding have never been widely applied in stream processing systems because of a relatively high performance penalty.Considering the characteristics of stream processing systems, a new load balancing mechanism is proposed. In this mechanism, the data on computing units are split into some sections,and each section can be allocated and migrated dynamically among computing units.Then,for the purpose of load balancing, the input streams and utilizations are balanced among computing units by adjusting sections with few disturbances on steam processing systems. Based on this,we design and implement a load balancing algorithm as well as an online data migration method.The experimental results show that our mechanism can reduce the average latency of data processing and improve the system throughput significantly.

Key words: data stream;stream processing;load balancing;data distribution;data migration

王成章1,林学练1,谭静芳2. 流式处理系统的动态数据分配技术[J]. J4, 2014, 36(10): 1846-1853.

WANG Chengzhang1,LIN Xuelian1,TAN Jingfang2. Dynamic data distribution for stream processing system [J]. J4, 2014, 36(10): 1846-1853.

[1]	苏宇杭, 马俊, 樊津瑜, 陈博行, 周家城, 尹博然. 基于GATv2-TCN联合优化的WSN数据流异常检测算法[J]. 计算机工程与科学, 2025, 47(05): 843-850.
[2]	陈子雄, 陈旭, 景永俊, 宋吉飞. 基于图神经网络的源代码漏洞检测研究综述[J]. 计算机工程与科学, 2024, 46(10): 1775-1792.
[3]	薛梅婷, 俞万刚, 张纪林, 曾艳, 袁俊峰, 周丽. 一种基于动态空间划分和压缩布隆过滤器相结合的分布式元数据负载均衡算法#br#[J]. 计算机工程与科学, 2024, 46(08): 1381-1389.
[4]	李金熹, 尹首一, 魏少军, 胡杨. 基于MLIR的数据流模型[J]. 计算机工程与科学, 2024, 46(07): 1151-1157.
[5]	张家豪, 邓金易, 尹首一, 魏少军, 胡杨. 基于Actor模型的众核数据流硬件架构探索[J]. 计算机工程与科学, 2024, 46(06): 959-967.
[6]	丁滟, 王闯, 冯了了, 王锋, 常俊胜. 基于区块链监管的联盟数据可信流通[J]. 计算机工程与科学, 2022, 44(10): 1771-1780.
[7]	李文佳, 史岚, 季航旭, 罗意彭. 面向Flink的负载均衡任务调度算法的研究与实现[J]. 计算机工程与科学, 2022, 44(07): 1141-1151.
[8]	徐浩桐, 黄山, 孙国璋, 贺菲莉, 段晓东, . 面向云环境的Flink负载均衡策略[J]. 计算机工程与科学, 2022, 44(05): 779-787.
[9]	张喜龙, 韩萌, 陈志强, 武红鑫, 李慕航. 基于Hellinger距离的不平衡漂移数据流Boosting分类算法[J]. 计算机工程与科学, 2022, 44(05): 788-799.
[10]	罗晓霞, 王佳, 罗香玉, 李嘉楠 . 一种基于GN算法的动态图划分方法[J]. 计算机工程与科学, 2022, 44(02): 306-311.
[11]	李力, 汪硕, 黄韬, 刘韵洁, . 数据中心网络四层负载均衡技术综述[J]. 计算机工程与科学, 2022, 44(01): 48-59.
[12]	乔冠杰, 吕高锋, 谭靖, 莫露莎. 大规模数据流统计中冷热流替换策略优化[J]. 计算机工程与科学, 2021, 43(09): 1567-1573.
[13]	黄山, 房六一, 徐浩桐, 段晓东, . 面向容器环境的Flink的任务调度优化研究[J]. 计算机工程与科学, 2021, 43(07): 1173-1184.
[14]	朱广林, 吕方, 赖庆宽, 陈华英, 何先波, . 编译器中激进蝴蝶优化方法的研究与实现[J]. 计算机工程与科学, 2021, 43(06): 962-968.
[15]	陈俊彦, 李玥, 梁楚欣, 雷晓春. SDN多控制器部署及流量均衡研究[J]. 计算机工程与科学, 2021, 43(05): 830-835.