阿里妹導(dǎo)讀：打開一篇篇 IT 技術(shù)文章，你總能夠看到“大規(guī)?！?、“海量請(qǐng)求”這些字眼。這些功能強(qiáng)大的互聯(lián)網(wǎng)應(yīng)用，都運(yùn)行在大規(guī)模數(shù)據(jù)中心上。數(shù)據(jù)中心每個(gè)機(jī)器的運(yùn)行情況如何？運(yùn)行著什么樣的應(yīng)用？應(yīng)用有什么特點(diǎn)？除了少數(shù)資深從業(yè)者之外，普通學(xué)生和企業(yè)的研究者很難了解其中細(xì)節(jié)。

今天，阿里巴巴再度開放一份計(jì)算機(jī)集群的真實(shí)數(shù)據(jù)集（Alibaba Cluster Data V2018）。該數(shù)據(jù)集中記錄了某個(gè)生產(chǎn)集群中服務(wù)器以及運(yùn)行任務(wù)的詳細(xì)情況。我們希望這波數(shù)據(jù)的發(fā)布可以拉近我們與學(xué)術(shù)研究、業(yè)界同行之間的距離，推動(dòng)產(chǎn)業(yè)的進(jìn)一步發(fā)展。

下面，阿里系統(tǒng)軟件事業(yè)部的技術(shù)專家臨石，為大家深入介紹這份獨(dú)特的數(shù)據(jù)集。

2015 年，我們嘗試在阿里巴巴的數(shù)據(jù)中心，將延遲不敏感的批量離線計(jì)算任務(wù)和延遲敏感的在線服務(wù)部署到同一批機(jī)器上運(yùn)行，讓在線服務(wù)用不完的資源充分被離線使用以提高機(jī)器的整體利用率。

經(jīng)過 3 年多的試驗(yàn)論證、架構(gòu)調(diào)整和資源隔離優(yōu)化，目前這個(gè)方案已經(jīng)走向大規(guī)模生產(chǎn)。我們通過混部技術(shù)將集群平均資源利用率從 10% 大幅度提高到 45%。另外，通過各種優(yōu)化手段，可以讓更多任務(wù)運(yùn)行在數(shù)據(jù)中心，將“雙11”平均每萬筆交易成本下降了 17%。

那么，實(shí)施了一系列優(yōu)化手段之后的計(jì)算機(jī)集群究竟是什么樣子？混部的情況究竟如何？

為了讓有興趣的學(xué)生以及相關(guān)研究人員，可以從數(shù)據(jù)上更加深入地理解大規(guī)模數(shù)據(jù)中心，我們特別發(fā)布了這份數(shù)據(jù)集（Alibaba Cluster Data V2018）。數(shù)據(jù)集中記錄了某個(gè)生產(chǎn)集群中服務(wù)器以及運(yùn)行任務(wù)的詳細(xì)情況。我們希望這波數(shù)據(jù)的發(fā)布可以拉近我們與學(xué)術(shù)研究、業(yè)界同行之間的距離。

在數(shù)據(jù)集中，你可以詳細(xì)了解到我們是如何通過混部把資源利用率提高到 45%；我們每天到底運(yùn)行了多少任務(wù)；以及業(yè)務(wù)的資源需求有什么特點(diǎn)。如何使用這份數(shù)據(jù)集，完全取決于你的需要。

這個(gè)數(shù)據(jù)可以做什么？

這份 Alibaba Cluster Data V2018 包含 6 個(gè)文件，壓縮后大小近 50GB（壓縮前270+GB），里面包含了 4000 臺(tái)服務(wù)器、相應(yīng)的在線應(yīng)用容器和離線計(jì)算任務(wù)長達(dá) 8 天的運(yùn)行情況。

通過這份數(shù)據(jù)，你可以：

了解當(dāng)代先進(jìn)數(shù)據(jù)中心的服務(wù)器以及任務(wù)運(yùn)行特點(diǎn)；

試驗(yàn)?zāi)愕恼{(diào)度、運(yùn)籌等各種任務(wù)管理和集群優(yōu)化方面的各種算法并撰寫論文；

利用這份數(shù)據(jù)學(xué)習(xí)如何進(jìn)行數(shù)據(jù)分析，揭示更多我們自己都未曾發(fā)現(xiàn)的規(guī)律。

上面這幾點(diǎn)，沒有接觸過類似數(shù)據(jù)的朋友，可能對(duì)于這份數(shù)據(jù)的用處并沒有直觀的印象，下面我舉幾個(gè)簡單的例子：

電商業(yè)務(wù)在白天和晚上面臨的壓力不同，我們?nèi)绾卧跇I(yè)務(wù)存在波峰波谷的情況下提高整體資源利用率？

你知道我們最長的 DAG 有多少依賴嗎？

一個(gè)典型的容器存在時(shí)間是多久？

一個(gè)計(jì)算型任務(wù)的典型存在時(shí)間是多少？一個(gè) Task 的多個(gè) Instance 理論上彼此很相似，但是它們運(yùn)行的時(shí)間都一樣嗎？

實(shí)際上，學(xué)者們甚至可以用這些數(shù)據(jù)作出更加精彩的分析。2017年，我們開放的第一波數(shù)據(jù)（Alibaba Cluster Data V2017），已經(jīng)產(chǎn)生了多篇優(yōu)秀的學(xué)術(shù)成果。

以下是學(xué)者們?cè)谡撐闹幸脭?shù)據(jù)（Alibaba Cluster Data V2017）的例子，其中不乏被 OSDI 這樣頂級(jí)學(xué)術(shù)會(huì)議收錄的優(yōu)秀文章。我們期待，未來你也能與我們共同分享你用這份數(shù)據(jù)產(chǎn)生的成果！

"LegoOS: A Disseminated, Distributed OS for Hardware Resource Disaggregation, Yizhou Shan, Yutong Huang, Yilun Chen, and Yiying Zhang, Purdue University. OSDI'18"(Best paper award!)

"Imbalance in the Cloud: an Analysis on Alibaba Cluster Trace, Chengzhi Lu et al. BIGDATA 2017"

"CharacterizingCo-located Datacenter Workloads: An Alibaba Case Study, Yue Cheng, Zheng Chai,Ali Anwar. APSys2018"

"The Elasticity and Plasticity in Semi-Containerized Co-locating Cloud Workload: aView from Alibaba Trace, Qixiao Liu and Zhibin Yu. SoCC2018"

Cluster Data V2018 更出色

新版本 V2018 與 V2017 存在兩個(gè)最大的區(qū)別：

DAG 信息加入

我們加入了離線任務(wù)的 DAG 任務(wù)信息，據(jù)了解，這是目前來自實(shí)際生產(chǎn)環(huán)境最大的 DAG 數(shù)據(jù)。

究竟什么是 DAG？離線計(jì)算任務(wù)，例如 Map Reduce、Hadoop、Spark、Flink 中常用的任務(wù)，都是以有向無環(huán)圖（Directed Acyclic Graph，DAG）的形式進(jìn)行編排的，其中涉及到任務(wù)之間的并行、依賴等方面。下面是一個(gè) DAG 的例子。

規(guī)模更大

上一版數(shù)據(jù)包含了約 1300 臺(tái)機(jī)器在約 24 小時(shí)的內(nèi)容數(shù)據(jù)，而新版 Cluster Data V2018 中包括了 4000 臺(tái)機(jī)器 8 天的數(shù)據(jù)。

我們建立了一個(gè)關(guān)于Cluster Data V2018的交流釘釘群。使用釘釘搜索群號(hào)：23112775，即可加入。點(diǎn)擊文末“閱讀原文”，可填寫調(diào)查問卷。

想看到更多數(shù)據(jù)？我們長期招收研究型實(shí)習(xí)生，與我們一起發(fā)現(xiàn)問題、解決問題，挑戰(zhàn)世界級(jí)技術(shù)問題，歡迎投遞簡歷：haiyang.dhy@alibaba-inc.com