Spark Streaming初始化和关闭源码图解(第23课)

本期重点：
1、Spark Streaming初始化
2、Spark Streaming运行结束关闭源码分析
我们以SparkStreaming的wordcount小程序为例解析源码内幕：

/**
       * StreamingContext初始化
      * sparkConf可以设置很多参数，包括appname、master信息、ExecutorEnv(executor环境信息),当然SparkConf中最强大的shi
      * set(key: String, value: String) 这里你可以shuffle配置参数、内存百分比的配置、jvm的配置，对于性能来说是很有用的
      * */
    val sparkConf = new SparkConf().setAppName("NetworkWordCount")
    val ssc = new StreamingContext(sparkConf, Seconds(1))

    val lines = ssc.socketTextStream("Master",9000, StorageLevel.MEMORY_AND_DISK_SER)
    val words = lines.flatMap(_.split(" "))
    val wordCounts = words.map(x => (x, 1)).reduceByKey(_ + _)
    wordCounts.print()
    ssc.start()

    ssc.awaitTermination()

我们本期研究的重点是SparkStraming初始化部分(第6、7行的代码)以及SparkStreaming关闭部分的代码（第15行），至于中间部分主要是业务业务逻辑的处理代码，并不是我们今天研究的重点

StreamingContext的初始化

/**
   * Create a StreamingContext by providing the configuration necessary for a new SparkContext.
   * @param conf a org.apache.spark.SparkConf object specifying Spark parameters
   * @param batchDuration the time interval at which streaming data will be divided into batches
   */
  def this(conf: SparkConf, batchDuration: Duration) = {
    this(StreamingContext.createNewSparkContext(conf), null, batchDuration)
  }

其实我们在前面的博客中也不止一次的看到这部分初始化的代码，SparkStraming实际上是SparkCode之上的一个应用程序，当然如果我们设计模式的角度来看这是装饰器模式，因为SparkStraming其本质就是在SparkCode基础之上进行了一层封装和修饰，当然还加上了一个batchDuration的时间维度，这个时间维度对SparkStreaming来说主要体现在两个定时器上面，一个是executor的定时器，主要作用是：不断接受数据和存储数据并将数据的元数据信息汇报给driver；另外一个定时器主要在driver层面，主要用于根据每个batchDuration不断的产生job并将job提交给集群运行

如上图我们暂且wordcount代码逻辑简单粗暴的分为两个主要部分：1、初始部分；2、关闭部分（因为我们本节关注的也是这两部分）

初始部分
SparkStreaming根据SparkConf和batchDuration两个参数，初始化SparkStreaming对象，在这时同时也初始化了5个重要的对象：
1、JobScheduler
JobScheduler主要作用在于其调度Job运行在Spark集群之上，并启动JobGenerator根据batchDuration不断产生Job
2、DStreamGraph
DStreamGraph主要根据输入流和输出流构建DStream的有向无环图
3、StreamingJobProgressListener
主要作用在于SparkJob的各种状态的监听，主要包括：onReceiverStarted、onReceiverError、onJobStart、onOutputOperationCompleted等
4、StreamingTab
主要用于SparkStreaming Job 各种统计信息的Web UI展示
5、ContextWaiter
主要构建一个线程的同步锁对象，这个对象主要在停止部分会被调用
停止部分
我们来看这句代码：ssc.awaitTermination()的背后源码:

/**
   * Wait for the execution to stop. Any exceptions that occurs during the execution
   * will be thrown in this thread.
   */
  def awaitTermination() {
    waiter.waitForStopOrError()
  }

这里的这个waiter对象其实就是初始化部分的ContextWaiter,其主要作用：等待执行停止。执行期间发生的任何异常将被扔在这个线程。

/**
   * Return `true` if it's stopped; or throw the reported error if `notifyError` has been called; or
   * `false` if the waiting time detectably elapsed before return from the method.
   */
  def waitForStopOrError(timeout: Long = -1): Boolean = {
    lock.lock()
    try {
      if (timeout < 0) {
        while (!stopped && error == null) {
          condition.await()
        }
      } else {
        var nanos = TimeUnit.MILLISECONDS.toNanos(timeout)
        while (!stopped && error == null && nanos > 0) {
          nanos = condition.awaitNanos(nanos)
        }
      }
      // If already had error, then throw it
      if (error != null) throw error
      // already stopped or timeout
      stopped
    } finally {
      lock.unlock()
    }
  }