本文作者：龙利民
企业介绍：

ofo 小黄车是一个无桩共享单车出行平台，缔造了“无桩单车共享”模式，致力于解决城市出行问题。用户只需在微信服务号或App输入车牌号，即可获得密码解锁用车，随取随用，随时随地，也可以共享自己的单车到 ofo 共享平台，获得所有 ofo 小黄车的终身免费使用权，以1换N。

我们在使用MaxCompute的时候，我们其实非常期望知道当前有多少任务在跑，哪些任务耗时长，哪些任务已经完成，并且能通过任务的logview来分析任务耗时长的原因。

任务状态监控

MaxCompute的任务状态分Running和Terminated， 其中Running是包含：正在运行和等待运行的两种状态，Terminated包含：完成、失败、cancel的任务三个状态。阿里云提供了获取上述2种状态的SDK函数，odps.list_instances(status=Running|Terminated, start_time=开始时间,结束时间)。为了实现秒级别更新任务状态我们可以用以下思路来实现。

1、对于已经running的任务，我们需要快速更新它的状态，有可能已经完成了；

2、不断获取新的任务状态。

我们用Mysql来记录任务的状态表设计如下：

CREATE TABLE maxcompute_task (
id bigint(20) unsigned NOT NULL AUTO_INCREMENT,
instanceid varchar(255) DEFAULT NULL comment '任务实例ID',
logview varchar(1024) DEFAULT NULL comment 'logview链接，查看问题非常有用',
start_time varchar(64) DEFAULT NULL comment '任务开始时间',
end_time varchar(64) DEFAULT NULL comment '任务结束时间',
cast_time varchar(32) DEFAULT NULL comment '耗时',
project_name varchar(255) DEFAULT NULL comment '项目名',
status varchar(64) DEFAULT NULL comment '任务状态',
  PRIMARY KEY (id),
  UNIQUE KEY instanceid (instanceid)
) ENGINE=InnoDB DEFAULT CHARSET=utf8

我们来看看代码的实现：

!/usr/bin/env python

-- coding: utf-8 --

author: lemon

import time
import threading
import traceback
import datetime
from odps import ODPS
from dataflow import config
from libs.myconn import Cursor
from config import DBINFO_BI_MASTER
from libs import logger as _logger

g_table_name = "bi_maxcompute_task"

def save_task(instanceid, odps, mysqlconn):

# 保存任务状态到Mysql， 分别传入odps连接器和mysql连接器
instance = odps.get_instance(instanceid)
project_name = odps.project
status = instance.status.value
start_time = instance.start_time
end_time =  instance.end_time

sql = "select logview,status from {0} where instanceid='{1}'".format(g_table_name, instanceid)

sqlret = mysqlconn.fetchone(sql)
if sqlret and sqlret["status"] == "Terminated":
    return
if sqlret and sqlret["logview"] is not None:
    logview = sqlret["logview"]
else:
    logview = instance.get_logview_address()
start_time = start_time + datetime.timedelta(hours=8)
if status == "Running":
    end_time = datetime.datetime.now()
else:
    end_time = end_time + datetime.timedelta(hours=8)
cast_time = end_time - start_time
colname = "instanceid,start_time,end_time,cast_time,project_name,status,logview"
values = ",".join(["'{0}'".format(r) for r in [instanceid, str(start_time),str(end_time), cast_time, project_name, status,logview]])
sql = """replace into {0}({1}) values({2}) """.format(g_table_name, colname, values)
mysqlconn.execute(sql)

class MaxcomputeTask(threading.Thread):

# 获取所有任务

def __init__(self, logger):
    threading.Thread.__init__(self)
    self.logger = logger
    self.hour = 1
    self.status_conf = [("demo", "Running"), ("demo", "Terminated"),
                        ("demo1", "Running"), ("demo1","Terminated")]

def run(self):
    # 建立mysql连接， 根据你的需要来使用
    self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
    while True:
        try:
            self.start_more()
            time.sleep(10)
        except:
            self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
            self.logger.error(traceback.format_exc())

def start_more(self,):
    for params in self.status_conf:
        self.get_task(*params)

def get_task(self, project_name, status):
    odps = ODPS(**config.ODPS_INFO)
    odps.project = project_name
    list = odps.list_instances(status=status, start_time=time.time() - self.hour * 3600)
    self.logger.info("start {0} {1} ".format(project_name, status))
    for row in list:
        save_task(instanceid=str(row), odps=odps, mysqlconn=self.mysqlconn)
    self.logger.info( "end {0} {1}".format(project_name, status))

    

class MaxcomputeTaskRunning(threading.Thread):

# 更新running任务的状态

def __init__(self, logger):
    threading.Thread.__init__(self)
    self.logger = logger

def run(self):
    self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
    while True:
        try:
            self.update_running()
            time.sleep(1)
        except:
            self.mysqlconn = Cursor.new(**DBINFO_BI_MASTER)
            self.logger.error(traceback.format_exc())

def update_running(self):
    sql = "select instanceid, project_name from {0} where status='Running'".format(g_table_name)
    sqlret = self.mysqlconn.fetchall(sql)
    if not sqlret:
        return

    self.logger.info("{1} running update length:{0}".format(len(sqlret), time.strftime("%Y-%m-%d %H:%M:%S") ))
    for row in sqlret:
        odps = ODPS(**config.ODPS_INFO)
        odps.project = row["project_name"]
        save_task(row["instanceid"], odps, self.mysqlconn)

if name == "__main__":

# logger是自己编写的日志工具类
logger = _logger.Logger("maxcompute_task.log").getLogger()
running = MaxcomputeTaskRunning(logger)
running.setDaemon(True)
running.start()

task = MaxcomputeTask(logger)
task.start()

多任务执行

MaxCompute可以在命令行下运行，也可以用SDK，阿里云的集成环境跑任务等。很多时候我们面临的任务是非常多的，如何做一个多任务的代码执行器，也是经常遇到的问题。任务执行是一个典型的生产者和消费者的关系，生产者获取任务，消费者执行任务。这么做有2个好处。

1）任务执行的数量是需要可控的，如果同时运行的任务不可控势必对服务器资源造成冲击，
2）多机运行服务，避免单点故障，MaxCompute的任务是运行在云端的，可以通过instanceid获取到结果，此结果是保留7天的。

我大致贴一些我们在实际场景种的一些代码，生产者和消费者的代码：

class Consumer(threading.Thread):

def __init__(self, queue, lock):
    threading.Thread.__init__(self)
    self.queue = queue
    self.lock = lock
    self.timeout = 1800

def run(self):
    self.execute = Execute()
    logger.info("consumer %s start" % threading.current_thread().name)
    while G_RUN_FLAG:
        try:
            task = self.queue.get()
            self.execute.start(task)
        except:
            logger.error(traceback.format_exc())

class Producter(threading.Thread):

def __init__(self, queue, lock):
    threading.Thread.__init__(self)
    self.queue = queue
    self.lock = lock
    self.sleep_time = 30
    self.step_sleep_time = 5

def run(self):
    self.mysqlconn_bi_master = Cursor.new(**config.DBINFO_BI_MASTER)
    logger.info("producter %s start" % threading.current_thread().name)
    while G_RUN_FLAG:
        
        if self.queue.qsize() >= QUEUE_SIZE:
            time.sleep(self.sleep_time)
            continue

        # TODO
        self.queue.put(task)
        time.sleep(self.step_sleep_time)

def main():

queue = Queue.LifoQueue(QUEUE_SIZE)
lock = threading.RLock()

for _ in xrange(MAX_PROCESS_NUM):
    consumer = Consumer(queue, lock)
    consumer.setDaemon(True)
    consumer.start()

producter = Producter(queue, lock)
producter.start()
producter.join()

def signal_runflag(sig, frame):

global G_RUN_FLAG
if sig == signal.SIGHUP:
    logger.info("receive HUP signal ")
    G_RUN_FLAG = False

if name == "__main__":

logger.info("execute run")
if platform.system() == "Linux":
    signal.signal(signal.SIGHUP, signal_runflag)
main()
logger.info("execute exit.")

Maxcompute实际执行时的代码：

 def _max_compute_run(self, taskid, sql):

    # 异步的方式执行
    hints = {
        'odps.sql.planner.mode': 'lot',
        'odps.sql.ddl.odps2': 'true',
        'odps.sql.preparse.odps2': 'lot',
        'odps.service.mode': 'off',
        'odps.task.major.version': '2dot0_demo_flighting',
        'odps.sql.hive.compatible': 'true'
    }
    new_sql = "{0}".format(sql)
    instance = self.odps.run_sql(new_sql, hints=hints)
    #instance = self.odps.run_sql(sql)

    # 异步的方式执行
    # instance = self.odps.run_sql(sql)
    self._save_task_instance_id(taskid, instance.id)
    # 阻塞直到完成
    instance.wait_for_success()
    return instance.id

获取结果时的代码：

def instance_result(odps, instance_id):

# 通过instance_id 获取结果
instance = odps.get_instance(instance_id)
response = []
with instance.open_reader() as reader:
    raw_response = [r.values for r in reader]
    column_names = reader._schema.names
    for  line in raw_response:
        tmp = {}
        for i in range(len(line)):
            tmp[column_names[i]] = line[i]
        response.append(tmp)
return response

总结：

阿里云的MaxCompute是非常好用的云计算服务，它的更新和迭代速度都非常快，使用阿里云解放工程师的搭建基础服务的时间，让我们更多的专注业务，站在巨人的肩膀上聪明的干活。