Naiad论文：《Naiad: A Timely Dataflow System》

前面通过文章《论文图谱当如是：Awesome-Graphs用200篇图系统论文打个样》向大家介绍了论文图谱项目Awesome-Graphs，并分享了Google的Pregel、OSDI'12的PowerGraph、SOSP'13的X-Stream。这次向大家分享Microsoft发表在SOSP'13的另一篇关于流处理系统论文Naiad，TimelyDataflow是它的开源实现。该论文促进了后续的流图系统的设计与创新，从其调度框架设计中也可以看到TuGraph Analytics调度器的影子。

对图计算技术感兴趣的同学可以多做了解，也非常欢迎大家关注和参与论文图谱的开源项目：

• Awesome-Graphs：https://github.com/TuGraph-family/Awesome-Graphs
• OSGraph：https://github.com/TuGraph-family/OSGraph

提前感谢给项目点Star的小伙伴，接下来我们直接进入正文！

摘要

Naiad是一个可执行有环数据流的分布式数据并行系统，提供了高吞吐的批处理、低延迟的流处理，以及迭代和增量计算的能力。

1. 介绍

支持特性：

• 循环结构化，支持反向边（feedback）。
• 有状态的数据流节点，支持无需全局协调的生产消费能力。
• 节点收齐特定轮次/迭代的输入后的通知机制。

2. 及时数据流

数据流图可以包含嵌套的循环结构，时间戳用于区分数据是由哪个轮次/迭代产生的。

2.1 图结构

及时数据流图包含输入/输出节点，输入节点从外部的生产者接受消息序列，输出节点将消息序列发送到外部消费者。
外部的生产者为每个消息打标了一个轮次（epoch），当没有消息需要输入时，会主动通知输入节点。
生产者也可以关闭输入节点，表示输入节点将不会再收到任何消息。
输出节点的消息也会打标这个轮次，同样当没有消息需要输出时，也会通知外部消费者。

及时数据流图里可以包含嵌套的循环上下文（loop contexts）：

• 入口点（ingress vertex）：数据流图的边进入循环上下文必须经过入口点，如I。
• 出口点（egress vertex）：数据流图的边离开循环上下文必须经过出口点，如E。
• 反馈点（feedback vertex）：循环上下文内必须包含反馈点，如F。

针对上图所表达的计算语义解释：

关键概念：逻辑时间戳（logical timestamp）：

• e：消息的轮次。
• k：循环嵌套的深度。
• c：向量，每层循环的迭代次数。

逻辑时间戳变化规则：

• 经过入口点：c增加一个维度，初始化为0，表示循环开始。
• 经过反馈点：c的最后一个维度+1，表示循环次数累计。
• 经过出口点：c的最后一个维度提出，恢复成与入口点一致。

逻辑时间戳大小比较，t1=(e1, <c1, ..., cm>)，t2=(e2, <c1, ..., cn>)：

• 条件1：整数比较，e1 < e2。
• 条件2：字符串比较，c1 + ... + cm < c1 + ... + cn。

2.2 节点计算

数据流的节点可以接收、发送带逻辑时间戳的消息（message），以及通知（notification）。

每个节点v实现两个回调函数：

1. v.OnRecieve(Edge e, Message m, Timestamp t)：接收消息。
2. v.OnNotify(Timestamp t)：接收通知。

并可以调用系统提供的两个函数：

1. this.SendBy(Edge e, Message m, Timestamp t)：发送消息。
2. this.NotifyAt(Timestamp t)：发送通知。

对于数据流边e=(u, v)，u.SendBy将触发v.OnRecieve，u.NotifyAt将触发v.onNotify。
数据流系统保证v.OnNotify(t)一定发生在v.OnRecieve(e, m, t')之后，其中t' < t，即保证处理完所有t之前的消息后再处理通知，以让节点具备机会清理t之前的工作状态。
这种机制保证了消息处理不会发生时光回溯（backwards in time）。

如下示例代码描述了一个双出的数据流节点实现distinct、count算子的逻辑。

class DistinctCount<S,T> : Vertex<T>
{
    Dictionary<T, Dictionary<S,int>> counts;
    void OnRecv(Edge e, S msg, T time)
    {
        if (!counts.ContainsKey(time)) {
            counts[time] = new Dictionary<S,int>();
            this.NotifyAt(time);
        }
        if (!counts[time].ContainsKey(msg)) {
            counts[time][msg] = 0;
            this.SendBy(output1, msg, time);
        }
        counts[time][msg]++;
    }
    void OnNotify(T time)
    {
        foreach (var pair in counts[time])
        this.SendBy(output2, pair, time);
        counts.Remove(time);
    }
}

2.3 实现及时数据流

数据流处理受限于未处理的事件（events：消息、通知）和数据流图的结构。

关键概念：pointstamp：

• u.SendBy(e, m, t)：生成pointstamp (t, e)。
• u.NotifyAt(t)：生成pointstamp (t, v)。

单线程调度器实现：

• 维护一个激活pointstamp（active pointstamp） 集合，集合大小至少为1。对于每个pointstamp，有两个计数器：
  • OC（occurrence count）：未完成的pointstamp数。
  • PC（precursor count）：上游激活的pointstamp数。
• 系统初始化时，为输入节点生成第一个pointstamp，其中t=e，OC=1，PC=0。当e完成后，继续生成t=e+1的pointstamp。
• 当激活pointstamp p时，初始化PC为上游所有激活的pointstamp数，并递增下游节点所有pointstamp的PC值。
• 当OC[p]=0时，从active集合删除p，并递减下游节点所有pointstamp的PC值。
• 当PC[p]=0时，表示上游没有激活的pointstamp影响到p，则称p是frontier，调度器会把所有通知发送给frontier。

OC的计算规则为：

3. 分布式实现

• Naiad集群包含多个进程，每个进程包含多个worker，worker管理数据流节点的一个分区。
• worker之间通过本地的共享内存或者远程TCP连接交换消息。
• 进程遵循分布式进度追踪协议（Progress Tracking Protocol），用于协调通知的分发。

3.1 数据并行

• 逻辑数据流图：stages+connectors。
• connectors包含一个分区函数。
• 运行时逻辑数据流图被展开为物理数据流图，stage被替换为一组节点，connectors被替换为一组边。

3.2 Workers

• 分发消息优先于分发通知。
• 分发策略多样，如基于最早的pointstamp分发降低端到端延迟。
• worker使用共享队列进行通信。
• 如果分发的目标节点在同一个worker，那么SendBy会直接调用目标节点的OnRecieve。
• 如果存在环则需要强制进入队列，或者控制递归深度避免系统过载。

3.3 分布式进度追踪

• 每个worker维护各自的状态，通过广播OC进行状态共享。
• 优化手段：
  • 使用映射的pointstamp实现进度跟踪，以降低并发冲突和更新规模。
  • 更新广播前先进行本地聚合。

3.4 错误容忍和可用性

• Checkpoint和Restore接口。

3.5 预防抖动

• 网络。
• 数据结构竞争。
• 垃圾回收。

4. 使用Naiad写程序

5. 性能评估

6. 现实应用

• 批量迭代图计算
• 批量迭代机器学习
• 流式无环计算
• 流式迭代图分析

7. 总结

Naiad通过允许程序按需协调，支持了混合的同步+异步计算。