轻量级大数据运算系统Helius

来源：计算机应用杂志2017年第2期北京时间：

作者：丁梦苏, 陈世敏

单位：计算机体系结构国家重点实验室(中国科学院计算技术研究所), 北京 100190

摘要：针对Spark数据集不可变，以及Java虚拟机（JVM）依赖环境引起的代码执行、内存管理、数据序列化/反序列化等开销过多的不足，采用C/C++语言，设计并实现了一种轻量级的大数据运算系统——Helius。Helius支持Spark的基本操作，同时允许数据集整体修改；同时，Helius利用C/C++优化内存管理和网络传输，并采用stateless worker机制简化分布式计算平台的容错恢复过程。实验结果显示：5次迭代中，Helius运行PageRank算法的时间仅为Spark的25.12%~53.14%，运行TPCH Q6的时间仅为Spark的57.37%；在PageRank迭代1次的基础上，运行在Helius系统下时，master节点IP接收和发送数据量约为运行于Spark系统的40%和15%，而且200 s的运行过程中，Helius占用的总内存约为Spark的25%。实验结果与分析表明，与Spark相比，Helius具有节约内存、不需要序列化和反序列化、减少网络交互以及容错简单等优点。

关键词：内存计算,大数据运算,分布式计算,有向无环图调度,容错恢复

基金资助：中国科学院“百人计划”项目；国家自然科学基金面上项目（61572468）；国家自然科学基金创新群体项目（61521092）。