spark 2.4.0源码分析--(一)事件总线LiveListenerBus

spark事件总线的核心是LiveListenerBus，其内部维护了多个AsyncEventQueue队列用于存储和分发和响应SparkListenerEvent事件。
spark事件总线整体思想是生产消费者模式，消息事件实现了先进先出和异步投递，同时将事件的产生(例如DAGScheduler创建stage、提交job)和事件的处理(例如在Spark UI显示任务信息)分离，在一定程度上提升了系统的异步处理性能，是一个经典的事件处理模式。

一、LiveListenerBus 总体结构及监听器介绍

1. 在queues:CopyOnWriteArrayList[AsyncEventQueue]中，目前主要有4种命名队列(AsyncEventQueue)，对应了4个addToXXXXQueue()方法。由图中左侧可知，每种命名队列有1~2个不同SparkListenerInterface实现，总共有大约10种不同功能listener添加到总线中。
2. addToSharedQueue()，主要由SparkContext调用，即用户可以在代码中增加Listener，或从配单中增加Listener并反射调用[实现在setupAndStartListenerBus()]
3. addToManagementQueue()，分别可增加HeartbeatReceiver（用于监听Executor的Add和Remove，并使用线程定期判断各Executor的心跳时间，超时则Kill
   Executor），另外可通过ExecutorAllocationManager增加ExecutorAllocationListener（通过计算总task数和Excutor并行度进行匹配，动态增加、减少Executor，需要配置，默认关闭）
4. addToStatusQueue()，主要增加了AppStatusListener,为AppStatusStore提供Job、Stage、Task的UI展示数据，以及增加了SQLAppStatusListener，为SQLAppStatesStore提供SQL
   UI展示数据，在本文后续章节KVStore中介绍
5. addToEventLogQueue()，将监听到的事件以Json方式写出到日志存储，需要配置，默认为关闭
6. 前面几个方法内部均调用addToQueue()方法，还有一种情况，spark structured streaming流式计算对应的StreamingQueryListenerBus通过addToQueue()方法加入"streams"队列（用于监听流的start、process、terminate时间，其中process事件能获取到流处理的详细进度，包括流名称、id、水印时间、source offsets、sink offsets等)。

private[spark] class LiveListenerBus(conf: SparkConf) {

  ...

  private val queues = new CopyOnWriteArrayList[AsyncEventQueue]()

  @volatile private[scheduler] var queuedEvents = new mutable.ListBuffer[SparkListenerEvent]()

  def addToSharedQueue(listener: SparkListenerInterface): Unit = {
    addToQueue(listener, SHARED_QUEUE)
  }

  def addToManagementQueue(listener: S