zoukankan      html  css  js  c++  java
  • Spark通信架构分析及总结

    Spark作为分布式计算框架,多个节点的设计与相互通信模式是其重要的组成部分。

    Spark一开始使用 Akka 作为内部通信部件。在Spark 1.3年代,为了解决大块数据(如Shuffle)的传输问题,Spark引入了Netty通信框架。到了 Spark 1.6, Spark可以配置使用 Akka 或者 Netty 了,这意味着 Netty 可以完全替代 Akka了。再到 Spark 2, Spark 已经完全抛弃 Akka了,全部使用Netty了。

    为什么呢?官方的解释是:

    1)     很多Spark用户也使用Akka,但是由于Akka不同版本之间无法互相通信,这就要求用户必须使用跟Spark完全一样的Akka版本,导致用户无法升级Akka。

    2)     Spark的Akka配置是针对Spark自身来调优的,可能跟用户自己代码中的Akka配置冲突。

    3)     Spark用的Akka特性很少,这部分特性很容易自己实现。同时,这部分代码量相比Akka来说少很多,debug比较容易。如果遇到什么bug,也可以自己马上fix,不需要等Akka上游发布新版本。而且,Spark升级Akka本身又因为第一点会强制要求用户升级他们使用的Akka,对于某些用户来说是不现实的。

    1.1  通信组件概览

    对源码分析,对于设计思路理解如下:

     

     

    1)     RpcEndpoint:RPC端点 ,Spark针对于每个节点(Client/Master/Worker)都称之一个Rpc端点 ,且都实现RpcEndpoint接口,内部根据不同端点的需求,设计不同的消息和不同的业务处理,如果需要发送(询问)则调用Dispatcher

    2)     RpcEnv:RPC上下文环境,每个Rpc端点运行时依赖的上下文环境称之为RpcEnv

    3)     Dispatcher:消息分发器,针对于RPC端点需要发送消息或者从远程RPC接收到的消息,分发至对应的指令收件箱/发件箱。如果指令接收方是自己存入收件箱,如果指令接收方为非自身端点,则放入发件箱

    4)     Inbox:指令消息收件箱,一个本地端点对应一个收件箱,Dispatcher在每次向Inbox存入消息时,都将对应EndpointData加入内部待Receiver Queue中,另外Dispatcher创建时会启动一个单独线程进行轮询Receiver Queue,进行收件箱消息消费

    5)     OutBox:指令消息发件箱,一个远程端点对应一个发件箱,当消息放入Outbox后,紧接着将消息通过TransportClient发送出去。消息放入发件箱以及发送过程是在同一个线程中进行,这样做的主要原因是远程消息分为RpcOutboxMessage, OneWayOutboxMessage两种消息,而针对于需要应答的消息直接发送且需要得到结果进行处理

    6)     TransportClient:Netty通信客户端,根据OutBox消息的receiver信息,请求对应远程TransportServer

    7)     TransportServer:Netty通信服务端,一个RPC端点一个TransportServer,接受远程消息后调用Dispatcher分发消息至对应收发件箱

    注意:

    TransportClient与TransportServer通信虚线表示两个RpcEnv之间的通信,图示没有单独表达式

    一个Outbox一个TransportClient,图示没有单独表达式

    一个RpcEnv中存在两个RpcEndpoint,一个代表本身启动的RPC端点,另外一个为 RpcEndpointVerifier

    1.2  Endpoint启动过程

         启动的流程如下:

     

    Endpoint启动后,默认会向Inbox中添加OnStart消息,不同的端点(Master/Worker/Client)消费OnStart指令时,进行相关端点的启动额外处理

    Endpoint启动时,会默认启动TransportServer,且启动结束后会进行一次同步测试rpc可用性(askSync-BoundPortsRequest)

    Dispatcher作为一个分发器,内部存放了Inbox,Outbox的等相关句柄和存放了相关处理状态数据,结构大致如下

     

     

     

    1.3  Endpoint Send&Ask流程

         Endpoint的消息发送与请求流程,如下:

     

    Endpoint根据业务需要存入两个维度的消息组合:send/ask某个消息,receiver是自身与非自身

    1)     OneWayMessage: send + 自身, 直接存入收件箱

    2)     OneWayOutboxMessage:send + 非自身,存入发件箱并直接发送

    3)     RpcMessage: ask + 自身, 直接存入收件箱,另外还需要存入LocalNettyRpcCallContext,需要回调后再返回

    4)     RpcOutboxMessage: ask + 非自身,存入发件箱并直接发送,,需要回调后再返回

    1.4  Endpoint receive流程

    Endpoint的消息的接收,流程如下:

     

     

    上图 ServerBootstrap为Netty启动服务,SocketChanel为Netty数据通道

    上述包含TransportSever启动与消息接受两个流程 

    1.5  Endpoint Inbox处理流程

    Spark在Endpoint的设计上核心设计即为Inbox与Outbox,其中Inbox核心要点为:

    1)     内部的处理流程拆分为多个消息指令(InboxMessage)存放入Inbox

    2)     当Dispatcher启动最后,会启动一个名为【dispatcher-event-loop】的线程扫描Inbox待处理InboxMessage,并调用Endpoint根据InboxMessage类型做相应处理

    3)     当Dispatcher启动最后,默认会向Inbox存入OnStart类型的InboxMessage,Endpoint在根据OnStart指令做相关的额外启动工作,三端启动后所有的工作都是对OnStart指令处理衍生出来的,因此可以说OnStart指令是相互通信的源头

     

     

    消息指令类型大致如下三类

    1)     OnStart/OnStop

    2)     RpcMessage/OneWayMessage

    3)     RemoteProcessDisconnected/RemoteProcessConnected/RemoteProcessConnectionError

     

    1.6  Endpoint画像

     

  • 相关阅读:
    @+id/和android:id的区别
    android.intent.action.MAIN 与 android.intent.category.LAUNCHER 的验证理解
    jQuery对象与dom对象相互转换
    javascript中apply和eval结合的强大用法
    公司项目学习杂烩
    c#(winform,webform通用)利用npoi将xls文件复制为xlsx文件(excel的修改,保存,包括excel2003-office2007+的处理)
    uploadfiy使用
    我都学了些什么
    给编程一个你热爱它的机会
    野心不能成就你,热爱却可以
  • 原文地址:https://www.cnblogs.com/eric666666/p/11228814.html
Copyright © 2011-2022 走看看