Download as PDF, PPTX
![[GTCJ2018] Optimizing Deep Learning with Chainer PFN得居誠也](https://cdn.slidesharecdn.com/ss_thumbnails/gtcj2018optimizingdeeplearningwithpfnseiyatokui-181009073509-thumbnail.jpg?width=640&height=640&fit=bounds)
![[GTCJ2018]CuPy -NumPy互換GPUライブラリによるPythonでの高速計算- PFN奥田遼介](https://cdn.slidesharecdn.com/ss_thumbnails/gtcj2018cupypfnryosukeokuta-181009073034-thumbnail.jpg?width=640&height=640&fit=bounds)
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
- 1. Fluentdでログを集めてGlusterFS に保存してMapReduceで集計 maebashi @ IIJ 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 1
- 2. キーワード Fluentd GlusterFS MapReduce 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 2
- 3. GlusterFS とは？ FUSEでマウントして 普通のファイルシステム として見える 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 3
- 4. 特別なプラグインなしでログ保存可能 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 4
- 5. ファイル名に応じて分散 time_slice_format %Y%m%d 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 5
- 6. ファイル群を分散処理したい 分散して格納されているので 各ノードでコマンドを適用して 結果を集めればよい → というツールを作った 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 6
- 7. pmux • pipeline mulCplexer に由来 • 標準入出力を介してMapReduce するためのコ マンドラインツール $ pmux --mapper="grep PATTERN" /glusterfs/*.log! • ファイルベース(chunkに分割しない) – GlusterFSのdistributed, replicated volumeに対応 • hKps://github.com/iij/pmux 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 7
- 8. 似ているもの • Hadoop Streaming • GNU Parallel • GXP 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 8
- 9. インストール pmuxコマンドは ここで実行 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 9
- 10. 仕組み 今回は mapper のみを使った場合を説明します (reducerが絡むと、もうちょっと複雑) 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 10
- 11. 1.対象file群の実体の位置を確認 pmuxコマンドは ここで実行 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 11
- 12. 2. sshで各ノードのpmuxを起動 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 12
- 13. 3. ノードにタスクを分配して実行 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 13
- 14. 4. 結果を集める resultが巨大な場合はscpを使う 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 14
- 15. ベンチマークテスト こんなかんじのログの 2012-‐11-‐01T23:50:22+09:00 apache.access {"host": "192.168.16.153","user":"-‐","method":"GET","path":"/0123456789 10000","code":"200","size":"1513395608","referer":"-‐","agent":"-‐", "inbyte":"162","outbyte":"233396987"} size, inbyte, outbyteを集計する 665ファイル、1億6300万行 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 15
- 16. • pmux 使わない場合 $ ./sum.rb /glusterfs/*.log.gz! • pmux 使う場合 $ pmux --file=sum.rb --mapper=sum.rb ! /glusterfs/*.log.gz | ./sum.rb! 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 16
- 17. • pmux 使わない場合 94分55秒 $ ./sum.rb /glusterfs/*.log.gz! • pmux 使う場合 $ pmux --file=sum.rb --mapper=sum.rb ! /glusterfs/*.log.gz | ./sum.rb! 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 17
- 18. • pmux 使わない場合 94分55秒 $ ./sum.rb /glusterfs/*.log.gz! • pmux 使う場合 ノード40台で 35秒 $ pmux --file=sum.rb --mapper=sum.rb ! /glusterfs/*.log.gz | ./sum.rb! 162倍 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 18
- 19. なぜ40台しかないのに162倍? • 1台あたり8コアのCPUを使っているから • ならば320倍になるのでは？ – 諸々のオーバーヘッドでそこまでいかない – 対象ファイルのサイズにバラツキがあり均等に分 かれない 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 19
- 20. 今後 • テキストファイルじゃない形式で保存すれば もっと効率良くなるかも 2012/11 Copyright (c) 2012 Internet IniCaCve Japan Inc. 20