欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

10.Spark Streaming源码分析:Receiver数据接收全过程详解

程序员文章站 2022-07-13 15:18:22
...
原创文章,转载请注明:转载自 听风居士博客(http://zhou-yuefei.iteye.com/)
在上一篇中介绍了Receiver的整体架构和设计原理,本篇内容主要介绍Receiver在Executor中数据接收和存储过程
 
一、Receiver启动过程回顾
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
如图,从ReceiverTracker的start方法开始,调用launchReceivers()方法,给endpoint发送消息,endpoint.send(StartAllReceivers(receivers)),endpoint就是ReceiverTrackerEndpoint,ReceiverTrackerEndpoint调用startReceiver方法在Executor中启动ReceiverSupervisor。详情请阅读链接中的文章http://blog.csdn.net/zhouzx2010
 
二、Receiver数据接收全过程总览
    Receiver数据接收核心成员:
    1.ReceiverSupervisor
    2.BlockGenerator
    3.Receiver
    4.ReceiverTracker    
    5.BlockManager
    首先ReceiverSupervisor启动,继而启动BlockGenerator和Receiver,其中BlockGenerator首先启动一个定时器定时将接收的数据封装成Block,然后启动一个线程不断将Block数据推送给BlockManager。而Receiver启动后不断接收数据,并不断将接受的数据添加到BlockGenerator中,这样BlockGenerator就不断将Receiver接收的数据推送到BlockManager,整个数据接收过程如下图:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
 
 
三、Receiver数据接收过程详解
    3.1 ReceiverSupervisor 启动
 
       Spark Streaming 在集群启动Receiver的时候会先在Executor中启动ReceiverSupervisor来管理Receiver,ReceiverSupervisor的启动是通过调用他的start方法完成的,源码如下:
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
ReceiverSupervisor的start方法首先调用了onStart 方法,该方法启动了BlockGenerator,必须在启动Receiver之前调用该方法来启动BlockGenerator,因为必须BlockGenerator先启动,以保证接收到的数据能够被存储起来。该方法在ReceiverSupervisor的子类ReceiverSupervisorImpl有实现
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
可以看到,在onStart方法中启动了所有的已经注册的BlockGenerator,其中registeredBlockGenerators是ReceiverSupervisorImpl的成员变量,在ReceiverSupervisorImpl实例化是被创建:

10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
registeredBlockGenerators中的Generartor是什么时候产生,并加入到registeredBlockGenerators这个队列里的呢?ReceiverSupervisorImplcreateBlockGenerator方法对registeredBlockGenerators进行了元素添加
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
从源码可以看到每一个receiver创建一个BlockGenerator,因为streamId与receiver一一对应。createBlockGenerator首先还将已经停止的BlockGenerator从registeredBlockGenerators队列清除。createBlockGenerator 方法又是在什么时候被调用的呢,答案是在ReceiverSupervisorImpl实例化时候被调用,请看源码:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
现在registeredBlockGenerators中有了BlockGenerator,接下来分析BlockGenerator的启动过程
 
 3.2 BlockGenerator 启动
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
BlockGenerator的start方法启动一个定时器blockIntervalTimer,用来定时生成调用updateCurrentBuffer方法:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
时间间隔默认是200毫秒:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
下面看一下updateCurrentBuffer的源码:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
currentBuffer 是一个ArrayBuffer 存储了数据记录,updateCurrentBuffer方法将间隔时间段的数据记录封装成Block,然后将新的Block 放入等待推送的block队列blockForPushing:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
回到BlockGenerator的start方法的另一个线程blockPushingThread
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
可以看到blockPushingThread的run方法调用了keepPushingBlocks方法将blockForPushing队列中的Block推送给BlockManager:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
可以看到最多等待10毫秒从blockForPushing中取去Block,然后掉pushBlock方法将block推送给BlockManager,下面看一下pushBlock的源码
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
这里的listener 是 BlockGeneratorListener 对象,在ReceiverSupervisorImpl中被实例化:

10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
我们关注其中的onPushBlock方法:调用了pushArrayBuffer方法:
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
这里调用了一个很重要的方法
pushAndReportBlock
我们看一下源码:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
pushAndReportBlock方法用来存储接收的的数据Block并将元数据汇报给ReceiverTracker。
Block存储交给receivedBlockHandler处理,receivedBlockHandlery有两种实现方式:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
 
看一下BlockManagerBasedBlockHandler的storeBlock方法:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
BlockManagerBasedBlockHandler的storeBlock方法根据ReceivedBlock的不同类型分别处理,最终都是交给了BlockManger管理。
至此BlockGenerator 分析完毕,下面分析 Receiver 的启动过程
 
3.3 Receiver 启动
首先回到ReceiverSupervisorImpl的startReceiver方法:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
首先调用了onReceiverStart方法,将Receiver注册给ReceiverTracker,重点看代码rever.onStart(),调用了receiver的onStart方法,此处我们以SocketReceiver为例进行讲解:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
可以看到SocketReceiver的onStart()方法先给创建了一个Socket对象赋值给了socket,然后启动了一个后台进行“Socket Receiver” ,在后台进程的run方法中调用了receive()方法进行数据接收:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
SocketReceiver的receive()方法不断从socket接收数据,然后调用store方法进行存储。
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
此处再次回到ReceiverSupervisor,调用了其中的pushSingle函数:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
最终调用了BlockGenerator的addData方法:
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
 
可以看到BlockGenerator的addData方法将数据添加到currentBuffer中,然后blockIntervalTimer会每个200毫秒从currentBuffer取出数据封装成Block,并将Block添加到blockForPushing队列,blockPushingThread会将blockForPushing队列中的block推送给BlockManager。至此Receiver运行流程分析完毕。
 
四、总结:receiver数据接收流程图
    总体过程:ReceiverSupervisor启动时,启动了BlockGenerator和Receiver,其中BlockGenerator首先启动一个定时器定时将接收的数据封装成Block,然后启动一个线程不断将Block数据推送给BlockManager。而Receiver启动后不断接收数据,不断将接受的数据添加到BlockGenerator的currentBuffer中,BlockGenerator不断从currentBuffer取数据,这样整个数据接收过程不断循环。
 
10.Spark Streaming源码分析:Receiver数据接收全过程详解
            
    
    博客分类: spark streaming 高级 sparkSparkStreaming源码解析Receiver数据接收 
原创文章,转载请注明:转载自 听风居士博客(http://zhou-yuefei.iteye.com/)