spark-Storage 模块整体架构

最新推荐文章于 2023-03-17 11:57:51 发布

技术蚂蚁

最新推荐文章于 2023-03-17 11:57:51 发布

阅读量289

点赞数

分类专栏： Spark

Spark 专栏收录该内容

88 篇文章 0 订阅

订阅专栏

Storage模块负责了Spark计算过程中所有的存储，包括基于Disk的和基于Memory的。用户在实际编程中，面对的是RDD，可以将RDD的数据通过调用org.apache.spark.rdd.RDD#cache将数据持久化；持久化的动作都是由Storage模块完成的。包括Shuffle过程中的数据，也都是由Storage模块管理的。

各个主要类的功能说明：

1) org.apache.spark.storage.BlockManager：提供了Storage模块与其他模块的交互接口，管理Storage模块。

2) org.apache.spark.storage.BlockManagerMaster： Block管理的接口类，主要通过调用org.apache.spark.storage.BlockManagerMasterActor来完成。

3) org.apache.spark.storage.BlockManagerMasterActor：在Driver节点上的Actor，负责track所有Slave节点的Block的信息

4) org.apache.spark.storage.BlockManagerSlaveActor：运行在所有的节点上，接收来自org.apache.spark.storage.BlockManagerMasterActor的命令，比如删除某个RDD的数据，删除某个Block，删除某个Shuffle数据，返回某些Block的状态等。

5) org.apache.spark.storage.BlockManagerSource：负责搜集Storage模块的Metric信息，包括最大的内存数，剩余的内存数，使用的内存数和使用的Disk大小。这些是通过调用org.apache.spark.storage.BlockManagerMaster的getStorageStatus接口实现的。

6) org.apache.spark.storage.BlockObjectWriter：一个抽象类，可以将任何的JVM object写入外部存储系统。注意，它不支持并发的写操作。

7) org.apache.spark.storage.DiskBlockObjectWriter：支持直接写入一个文件到Disk，并且还支持文件的append。实际上它是org.apache.spark.storage.BlockObjectWriter的一个实现。现在下面的类在需要Spill数据到Disk时，就是通过它来完成的：

a) org.apache.spark.util.collection.ExternalSorter

b) org.apache.spark.shuffle.FileShuffleBlockManager

8) org.apache.spark.storage.DiskBlockManager：管理和维护了逻辑上的Block和存储在Disk上的物理的Block的映射。一般来说，一个逻辑的Block会根据它的BlockId生成的名字映射到一个物理上的文件。这些物理文件会被hash到由spark.local.dir（或者通过SPARK_LOCAL_DIRS来设置）上的不同目录中。

9) org.apache.spark.storage.BlockStore：存储Block的抽象类。现在它的实现有：

a) org.apache.spark.storage.DiskStore

b) org.apache.spark.storage.MemoryStore

c) org.apache.spark.storage.TachyonStore

10) org.apache.spark.storage.DiskStore：实现了存储Block到Disk上。其中写Disk是通过org.apache.spark.storage.DiskBlockObjectWriter实现的。

11) org.apache.spark.storage.MemoryStore：实现了存储Block到内存中。

12) org.apache.spark.storage.TachyonStore：实现了存储Block到Tachyon上。

13) org.apache.spark.storage.TachyonBlockManager：管理和维护逻辑上的Block和Tachyon文件系统上的文件之间的映射。这点和org.apache.spark.storage.DiskBlockManager功能类似。

14) org.apache.spark.storage.ShuffleBlockFetcherIterator：实现了取Shuffle的Blocks的逻辑，包括读取本地的和发起网络请求读取其他节点上的。具体实现可以参照《Shuffle模块详解》。