Yahoo! JAPANでのHadoop利用について

356 Views

August 05, 10

#Hadoop #Yahoo! JAPAN #Big Data #MapReduce #Oozie

スライド概要

Yahoo!デベロッパーネットワーク

@ydnjp

スライド一覧

2023年10月からSpeaker Deckに移行しました。最新情報はこちらをご覧ください。 https://speakerdeck.com/lycorptech_jp

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

（ダウンロード不可）

関連スライド

深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで

Yahoo!デベロッパーネットワーク 159.9K

ゼロから始める転移学習

Yahoo!デベロッパーネットワーク 85.4K

ヤフーにおける WebAuthn と Passkey の UX の紹介と考察 #idcon #fidcon

idcon fidcon

Yahoo!デベロッパーネットワーク 72.6K

OpenID Connectとネイティブアプリを取り巻く仕様と動向 Yahoo! JAPANの取り組み #openid #openid_tokyo

openid openid_tokyo

Yahoo!デベロッパーネットワーク 57.4K

運用業務とスクラムは本当に組み合わせにくいのか︖運用業務が大半を占めるプロダクト開発での試行錯誤

devsumi

Yahoo!デベロッパーネットワーク 34.7K

ヤフーのオンプレ機械学習基盤AIPFについて #ml_kubernetes

ml_kubernetes

Yahoo!デベロッパーネットワーク 28.9K

各ページのテキスト

Yahoo! JAPANでのHadoop利用についてヤフー株式会社 R&D統括本部吉田一星、古宮陽明 2010年8月4日

自己紹介吉田一星（よしだいっせい） R&D統括本部プラットフォーム開発本部検索開発部開発３ R&D統括本部フロントエンド開発本部アプリケーション開発部開発４（兼） R&D統括本部プラットフォーム開発本部要素技術開発部開発３（兼） – 2008年にヤフー株式会社に入社 – 検索サービス構築プラットフォーム（ABYSS）でHadoop部分を担当するエンジニア – 画像処理、地図検索、地域プラットフォームでもHadoopに関わる開発を経験 – TechBlogでHadoopに関する記事を執筆 1 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

自己紹介古宮陽明(こみやようめい) R&D統括本部プラットフォーム開発本部セントラル開発2部開発3 – 2004年ヤフー株式会社入社 – 主に、ビジネス向けサービスのバックエンドシステムの開発を担当。 – 2010年現在、全社規模のHadoopプラットフォームの構築を担当。 2 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

レコメンデーションプラットフォーム – レコメンデーションサービスの計算処理に利用 – ビヘイビアデータのクラスタリング計算 – クラスタとコンテンツデータのマッチング計算 – Yahoo!BBポータルサイトなど – オークション、ショッピングなど、順次他のサービスにも導入予定 8 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

10.

11.

12.

13.

14.

15.

16.

ABYSSとは？ – 社内の検索サービスをホスティングするプラットフォーム – 主に検索データのストレージとしてHadoopを利用 – 検索データの解析処理などにMapReduceを使用フロントエンドサービス担当 Gateway Crawler Ops/ Direct API Admin UI Workflow Hadoop UserDB Index 15 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

17.

Hadoop Client – HadoopをClientとServerに分けて、運用を行っている – 他のサーバにあるHadoopクラスタのファイルの読み書きや、 Jobの実行を簡単に行える $ hadoop fs –put localfile hdfs://nn.example.com:9000/hadoop/hadoopfile $ hadoop fs –get hdfs://nn.example.com/user/hadoop/file localfile 16 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

18.

Hadoop Client – core-site.xmlやmapred-site.xmlに外部のHadoop Serverを指定し、Hadoop Clientとしてパッケージ化 - core-site.xml <property> <name>fs.default.name</name> <value>hdfs://nn.example.com:9000</value> </property> - mapred-site.xml <property> <name>mapred.job.tracker</name> <value>nn.example.com:9000</value> </property> 17 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

19.

Hadoop Server – 開発用クラスタと、検証用クラスタ、本番用クラスタがある – 本番用クラスタは、DRBDでNamenodeを冗長化 – 別サーバからHadoop ClientでJobの実行や、ファイルの転送を行っている開発用クラスタ Hadoop Client 18 検証用クラスタ本番用クラスタ Hadoop Client Hadoop Client Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

20.

ファイルの転送 – 基本的には、Hadoop Clientで転送 – HTTP経由で転送する場合もあり – DatanodeのHTTP Serverから転送 – デフォルトではGETしかできないが、パッチをあててPUT/POST/DELETEもできるようにしている – ThriftやFUSE経由で転送しているサービスもある 19 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

21.

22.

Eclipse Plugin – Eclipse Pluginを使えば、Hadoop Clientが入った状態になる – 直接、開発用クラスタにJobを投げて実行 – VMWare上にHadoopクラスタを立ち上げる場合もあり – Yahoo! Inc.や米Clouderaで、セットアップがほとんど必要ないVMWareのイメージファイルが公開されている 21 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

23.

セキュリティ – Hadoop Serverのアカウントを持っていなくても、Hadoop Clientで、どこからでもJobを実行したり、ファイルの読み書きができる – 権限管理の仕組みはあるが、セキュリティの観点ではほとんど意味をなさない – 解決法 – ネットワークを遮断して、ポートをアクセス制限 – 誓約書 – Hadoop with Securityを後ほど紹介 22 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

24.

[beta]

Hadoopのuser/group
– なんとなく、シェルのログインuser/groupが適用されているが・・・
– Hadoop Client側で、”whoami”、”bash –c groups” コマンドを実行
して取得しているだけ
– ちなみにWindowsでは取得できない
static String getUnixUserName() throws IOException {
String[] result = executeShellCommand(
new String[]{Shell.USER_NAME_COMMAND});
return result[0];
}
UnixUserGroupInformation.java
public final static String USER_NAME_COMMAND = "whoami";
public static String[] getGROUPS_COMMAND() {
return new String[]{"bash", "-c", "groups"};
}

23

Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

Shell.java

25.

任意のuser/groupを指定 – Hadoop Clientのcore-site.xmlで、hadoop.job.ugiを指定する – MapReduceのJobごとに動的に指定することも可能 - core-site.xml <property> <name>hadoop.job.ugi</name> <value>user,group</value> </property> - MapReduce JobConf conf = new JobConf(Test.class); conf.set(UnixUserGroupInformation.UGI_PROPERTY_NAME,”user,group”); 24 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

26.

27.

28.

29.

Introduction – ネットワークおよびホストレベルのセキュリティは常に必要。 – 現在の Apache Hadoop （0.20.2まで）のセキュリティ（アプリケーションレベル） – ユーザ、ノード（ホスト）についての認証機構が存在しない。 – HDFSのパーミッション機構は存在するが、認証を前提としないので限定的。ユーザのなりすましが可能。 – サービスレベルのアクセス制御は限定的（dfs.hosts、mapred.hosts）。設定によっては、ノードのなりすましが可能。 – MapReduceジョブ発行についての権限制御が存在しない。 – 通信経路、ストレージされたデータは暗号化されていない。 28 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

30.

31.

Hadoop with Security – 認証、認可および監査ログといったセキュリティ機能が追加された Hadoop の Yahoo! ディストリビューション。 – これらのセキュリティ機能はオプション。 – 2010年8月現在、最新版（ベータ）は、0.20.104.2。 – Apache Hadoop の対応版はまだ存在しない。 – Yahoo! Inc. では、2010年8月にプロダクション導入予定。 – 本セッションでは、Yahoo! Developer Network 配布の Yahoo! Distribution of Hadoop 0.20.S Virtual Machine（0.20.104.0SNAPSHOT）を対象に解説。※安定版が未リリースのため、今後、仕様が変更される可能性あり。 30 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

32.

Oozie Yahoo!'s workflow engine for Hadoop – ビルマの象使いの専門職を oozie という。 – Yahoo! Inc. で開発された Hadoop の MapReduce ジョブを含めた複雑なアクションフローを実行管理するためのワークフローエンジン(Java Servlet + RDB)。 Pig HDFS Hive Error MapReduce Java Kill HDFS 31 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

33.

Oozie Yahoo!'s workflow engine for Hadoop – Yahoo! Distribution of Hadoop with Security との統合利用が可能。 – オープンソースとして公開されており、今後は Apache Software Foundation に移管予定。2010年8月現在、最新版は2.0.2.1で、バイナリ配布はされていない。 – Yahoo! Inc. では、Ver. 1 がすでにプロダクションに導入済みで、Ver. 2 が導入されつつある。 – 本セッションでは、最新版の 2.0.2.1 を Yahoo! Distribution of Hadoop 0.20.S Virtual Machine (0.20.104.0) 向けにビルドしたものを対象に解説。 32 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

34.

0: 現在の Hadoop RPC HTTP Block Access Hadoop JobTracker invoke TaskTracker shuffle (2) Submit Job hadoop hadoop Map/Reduce Task hadoop NameNode Hadoop Client hadoop DataNode hadoop alice (1) Upload Files 33 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

35.

強化1: プロセスユーザの変更 task-controller (root:mapred) invoke Hadoop with Security JobTracker mapred TaskTracker mapred Map/Reduce Task alice:oozies NameNode Hadoop Client hdfs DataNode root -> hdfs Block access port: 1004 alice 34 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

36.

37.

38.

39.

詳細1: アプリケーションのアップロード NameNode 10 hours Hadoop Client TGT cache hdfshdfs/lh@LD DataNode root -> hdfs dn/lh@LD Block access port: 1004 alice alice@LD (1) Upload Oozie Workflow App. 38 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

40.

詳細2: ジョブの発行 alice HTTP Client Kerberos KDC (AuthN) (2) Submit Job Job Conf. mapred/lh@LD hdfs/lh@LD Oozie (127.0.0.1) AuthN oozie/lh@LD hosts: 127.0.0.1 groups: oozies oozie oozie/lh@LD AuthN Filter AuthZ Hadoop Proxy User AuthZ Service JobTracker mapred mapred/lh@LD alice ? admin ? NameNode hdfshdfs/lh@LD 39 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

41.

詳細3: ジョブの実行 task-controller (root:mapred) invoke Hadoop with Security Hadoop Proxy User oozie/lh@LD hosts: 127.0.0.1 groups: oozies JobTracker TaskTracker mapred mapred/lh@LD mapred mapred/lh@LD shuffle Map/Reduce Task alice:oozies NameNode hdfs hdfs/lh@LD DataNode root -> hdfs dn/lh@LD Block access port: 1004 40 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

42.

Hadoop と Oozie の統合効果 – クラスタ全体のセキュリティ統御 – 認証（Authentication）: ユーザまたはノード（ホスト）が何ものであるか。 – 認可（Authorization）: ユーザまたはノードが何をすることができるか。 – 監査（Auditing）: ユーザまたはノードが何をしたか。 – ※ただし、データ通信経路の暗号化、ストレージされたデータの暗号化は未実装。 – データコロケーションの実現: 同一クラスタ内における重要度の異なるデータの混在。 – Oozie による ETL（Extract/Transform/Load）の可視化と加速化。 – クラスタ全体の最適化。 41 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

43.

Yahoo! JAPAN Hadoopクラスタ –Hadoop with Security と Oozie の活用も視野に入れ、全社規模クラスタの構築を計画中。 –現在のサービス専用クラスタの規模を超える共用クラスタで、複数の構築を検討中。 –2011年4月、運用開始目標。 42 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

44.

45.

46.

認証（Authentication） – Kerberos 認証と連携可能（RPC SASL/Kerberos） – ※SASL機構による実装なので、今後 Hadoop が Kerberos (via GSS API) 以外の認証方式に対応することは比較的容易。 – core-site.xml: Kerberos プリンシパル名をローカルのOSユーザにマッピングするルール。 – hdfs-site.xml: HDFS各プロセスの Kerberos プリンシパル設定。 – mapred-site.xml: MapReduceフレームワーク各プロセスの Kerberos プリンシパル設定。 – ジョブ関連プロセスの相互認証は、RPC SASL/DIGEST-MD5 45 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

47.

認可（Authorization） – アプリケーションレベルの認可 – hadoop-policy.xml: 各通信プロトコル（サービスレベル）アクセスコントロール。 – mapred-queue-acls.xml: デフォルトスケジューラへのジョブ発行権限コントロール。 46 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

48.

監査（Auditing） – 従来は、log4j のログレベルを変更して監査ログ（HDFSへのアクセス要求）を出力する必要があった。 – log4j.logger.org.apache.hadoop.fs.FSNamesystem.audit=INFO – Hadoop with Security では、システム監査をサポートする情報として、以下のようなログが出力される。※監査ログなので、ログローテートしない設定を。 – HDFS – hdfs-audit.log – hdfs-auth.log – MapReduce – madred-audit.log – mapred-auth.log 47 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

49.

50.

ワークフローとは –Oozie が扱うワークフローとは、逆戻りや繰り返しのない一連（DAG、Direct Acyclic Graph、有向非巡回グラフ）のアクション実行計画のこと。 –XMLで記述。 Pig HDFS Hive Error MapReduce Java Kill HDFS 49 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

51.

サポートされるアクションノード – MapReduce（Javaベース） – MapReduce ストリーミング – MapReduce Pipes – Pig – HDFS（ファイルシステム操作） – 通常のJavaプログラム – サブワークフロー – カスタム Action Executor を作成することにより追加可能（Hiveなど） 50 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

52.

ワークフローアプリケーションの構成 – ワークフローアプリケーション（ディレクトリ）は以下のファイルで構成され、あらかじめHDFS上にアップロードしなければならない。 – workflow.xml – lib/: 依存JARや共有オブジェクト（*.so）を格納 – 設定ファイル（config-default.xmlなど） – 各スクリプト（Pig、シェルスクリプトなど） – ローカルのジョブ設定ファイル（たとえば、map-reduce-job.properties）には、このアプリケーションパスを指定する。 – oozie.wf.application.path=hdfs://localhost:8020/tmp/hadoop/workflows/map-reduce 51 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

53.

ジョブ管理機能 – クライアントのコマンドラインから可能。Oozie サーバは、OOZIE_URL 環境変数あるいはコマンドラインの –oozie オプションで指定。ジョブの実行 $ oozie job -config map-reduce-job.properties -run job: <job id> ジョブの情報表示 $ oozie job -info <job id> ジョブの強制終了 $ oozie job -kill <job id> 52 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

54.

55.

56.

57.

認可（Authorization） – Oozie Authorization Model（Oozie AuthorizationService が提供） – ユーザは、すべてのジョブを参照可能。 – ユーザは、自分のジョブを変更可能。 – ユーザは、属するグループのジョブを変更可能。 – ユーザは、管理オペレーションを参照可能。 – 管理ユーザは、すべてのジョブを変更可能。 – 管理ユーザは、管理オペレーションを変更可能。 – ユーザに対するグループおよび Oozie 管理者権限の付与については、カスタマイズ可能。 – ファイルベースの Oozie 管理ユーザ設定機能をビルトインする。 56 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

58.

59.

ジョブ実行とセキュリティ – ユーザは、Oozie サーバによって認証される。 – Oozie はユーザの Proxy User（代理人）として振る舞う。 – Oozie サーバは、自身の Kerberos チケットにより Hadoop クラスタ（HDFS、MapReduce）に認証され、（Hadoop の superuser 権限で）ユーザの代わりにジョブを発行する。 58 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

60.

セキュリティ設定1: ジョブ定義 – 以降の設定は、 Yahoo! Distribution of Hadoop 0.20.S Virtual Machine (0.20.104.0) との連携を想定。 – ユーザは、ジョブ定義ファイルに以下のプロパティを追加（クラスタを認証） – mapreduce.jobtracker.kerberos.principal: JobTracker の Kerberosプリンシパル (例: mapred/localhost@LOCALDOMAIN) – dfs.namenode.kerberos.principal: NameNode の Kerberos プリンシパル (例: hdfs/localhost@LOCALDOMAIN) 59 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

61.

[beta]

セキュリティ設定2: Oozie サーバ
– Oozie 管理者は、設定ファイル（oozie-site.xml）に以下の内容を設定。
<property>
<name>oozie.service.HadoopAccessorService.kerberos.enabled</name>
<value>true</value>
<description>
Kerberos認証の有効化
</description>
</property>
<property>
<name>oozie.service.HadoopAccessorService.keytab.file</name>
<value>${user.home}/oozie.keytab</value>
<description>
Oozieサーバユーザの keytab ファイルの場所
</description>
</property>
<property>
<name>oozie.service.HadoopAccessorService.kerberos.principal</name>
<value>${user.name}/localhost@LOCALDOMAIN</value>
<description>
Oozieサービスの Kerberos プリンシパル
</description>
</property>

60

Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

62.

セキュリティ設定3: Hadoopクラスタ – Hadoopクラスタ管理者は、設定ファイル（core-site.xml）に以下の内容を設定。Oozie サーバの Proxy User としての振る舞いを制限する。 <property> <name>hadoop.proxyuser.oozie.hosts</name> <value>127.0.0.1</value> <description> oozie 部分は、Oozie サーバのプリンシパルのショートネームアクセスを許可する Oozie サーバホストのリスト </description> </property> <property> <name>hadoop.proxyuser.oozie.groups</name> <value>oozies</value> <description> Oozie サーバの代理を許可するユーザが属するグループのリスト </description> </property> 61 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

63.

Oozie Ver. 2 の新機能 – Workflow Engine から Coordinator Engine へ – crontab ライクなジョブのスケジュール実行。 – 入力データトリガのジョブ実行: 入力データが利用可能になった時点で、ジョブが実行される。 62 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

64.

参考リソース – 『クラウドセキュリティ&プライバシー』（Tim Mather、Subra Kumaraswamy、 Shahed Latif 著、下道高志監訳、笹井崇司訳、オライリー・ジャパン、2010） – Yahoo! Distribution of Hadoop with security – http://yahoo.github.com/hadoop-common/ – Yahoo! Oozie – http://yahoo.github.com/oozie/ – Owen O'Malley: Hadoop Security – http://www.slideshare.net/ydn/1-hadoopsecurityindetailshadoopsummit2010 – https://issues.apache.org/jira/browse/HADOOP-4487 – Alejandro Abdelnur: Yahoo! Workflow Engine for Hadoop – http://www.slideshare.net/ydn/5-oozie-hadoopsummit2010 63 Copyright © 2010 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

65.