IndexedRDD 源码解读一

1. IndexedRDDPartion构建过程

• 调用构建函数

    val vp = IndexedRDDPartition(Iterator((0L, 1), (1L, 1)))

• 这里会调用IndexedRDDPartition 的apply 方法。

    def apply[V: ClassTag](iter: Iterator[(Id, V)]): IndexedRDDPartition[V] = { 
        // 申请PrimitiveKeyOpenHashMap的hash表  
        val map = new PrimitiveKeyOpenHashMap[Id, V]

        // 将iter数据写入hash表中
        iter.foreach { pair =>
            map(pair._1) = pair._2
    }

    // new一个新的IndexedRDDPartition对象作为返回值
    // 3个参数依次对应：index、values、mask
    new IndexedRDDPartition(
        ImmutableLongOpenHashSet.fromLongOpenHashSet(map.keySet), // index
        ImmutableVector.fromArray(map.values),                    // values
        map.keySet.getBitSet.toImmutableBitSet)                   // mask
    }

---

2. index构建过程

• index 构建函数调用

    // 这里实际是调用ImmutableLongOpenHashSet的fromLongOpenHashSet方法
    ImmutableLongOpenHashSet.fromLongOpenHashSet(map.keySet) // index

• fromLongOpenHashSet 方法

    def fromLongOpenHashSet(set: OpenHashSet[Long]): ImmutableLongOpenHashSet =
        new ImmutableLongOpenHashSet(
            ImmutableVector.fromArray(set.data), //调用fromArray方法将对应节点的值传进去
            set.getBitSet.toImmutableBitSet, 
            -1, 
            set.loadFactor)        // loadFactor默认值为0.7         

3. fromArray方法

• fromArray 方法定义

    def fromArray[A: ClassTag](array: Array[A]): ImmutableVector[A] = {
        // 再掉3个参数的fromArray方法，0表示起点下标
        fromArray(array, 0, array.length)
    }

    def fromArray[A: ClassTag](array: Array[A], start: Int, end: Int): ImmutableVector[A] = {
        // new一个ImmuableVector对象
        // 该对象第一个参数是树的大小
        // 第二个参数是树的根节点
        new ImmutableVector(end - start, nodeFromArray(array, start, end))
    }

• nodeFromArray 方法构建这棵树

    private def nodeFromArray[A: ClassTag](array: Array[A], start: Int, end: Int): VectorNode[A] = {
        val length = end - start
        if (length == 0) {
            emptyNode
        } else {
            val depth = depthOf(length) // length个节点需要存储的树的高度，高度从0开始
            if (depth == 0) {           // 一层就可以存的下，一层大小为32，说明节点个数小于等于32，调用LeafNode构建这个存储
                new LeafNode(array.slice(start, end))
            } else {
                val shift = 5 * depth  // 左移的位数，从根节点出发
                val numChildren = ((length - 1) >> shift) + 1        // 获取根节点下子节点数目
                val children = new Array[VectorNode[A]](numChildren) // new一个类型为VectorNode[A]，长度为numChildren的数组

                var i = 0
                while (i < numChildren) {                        // 遍历子节点
                    val childStart = start + (i << shift)        // 子节点起始点位置
                    var childEnd = start + ((i + 1) << shift)    // 子节点终止点位置
                    if (end < childEnd) {                        // 修正最后一个节点的终止点位置
                        childEnd = end
                    }
                    children(i) = nodeFromArray(array, childStart, childEnd) // 递归调用 
                    i += 1
                }

                // 程序返回值就是下面这个InternalNode
                // InternalNode是VectorNode的子类
                // 这里把子类递归返回给了父类，若直接返回children，children是一个Array类型的，不满足返回值的类型
                new InternalNode(children, depth)
            }
        }
    }  

• leafNode 构建叶节点

    // 下面是一个主类构造器，构造器中有一个参数为Array[A]
    // 所以节点的最后一层存储的就是一个数组
    // 节点对外提供3个方法
    private class LeafNode[@specialized(Long, Int) A: ClassTag](
        children: Array[A])
        extends VectorNode[A] {

        require(children.length <= 32,
        s"nodes cannot have more than 32 children (got ${children.length})")

        override def apply(index: Int): A = children(index)

        override def updated(index: Int, elem: A) = {
            val newChildren = new Array[A](children.length)
            System.arraycopy(children, 0, newChildren, 0, children.length)
            newChildren(index) = elem
            new LeafNode(newChildren)
        }

        override def numChildren = children.length
    }

index 树的构建过程已经结束，下面介绍bitset 的构建。

---

3. toImmutableBitSet方法

• toImmutableBitSet方法定义

    // numBits表示需要多少个二进制位来存储这些节点
    // numBits大小就是节点数目
    // words是二进制位转成long型的数组时的数值
    // words存储也是用树结构来完成的
    private[spark] def toImmutableBitSet: ImmutableBitSet = {
        new ImmutableBitSet(numBits, ImmutableVector.fromArray(words))
    }

ImmutableVector.fromArray(map.values) 构建values 的树形结构时可参考fromArray的构建index的过程。

至此，indexedRDD中三棵树的存储结构已经构建起来。关于IndexedRDDPartition的操作源码分析，后面会继续更新。

---

【待续】