• 11.Spark Streaming源码解读之Driver中的ReceiverTracker架构设计以及具体实现彻底研究


        上篇文章详细解析了Receiver不断接收数据的过程,在Receiver接收数据的过程中会将数据的元信息发送给ReceiverTracker:



     
    本文将详细解析ReceiverTracker的的架构设计和具体实现
     
    一、ReceiverTracker的主要功能
        ReceiverTracker的主要功能有:
        1.在Executor上启动Receivers
        2.接受Receiver的注册
        3.借助ReceivedBlockTracker来管理Receiver接收数据的元数据
        4.接受Receiver发送的各种消息,并作相应处理
        5.更新Receiver接收数据的速率(也就是限流)
        6.不断的等待Receivers的运行状态,只要Receivers停止运行,就重新启动Receiver。也就是Receiver的容错功能。
        7.停止Receivers 
        8.汇报Receiver发送过来的错误信息
     
    二、ReceiverTracker具体功能详解
        2.1 启动receiver并管理receiver接收数据的元数据
     
        首先,ReceiverTracker内部有一个ReceiverTrackerEndPoint通讯体endpoint变量,endpoint用来和Receiver和ReceiverTracker本身进行消息通讯。这个ReceiverTrackerEndPoint通讯体在ReceiverTracker启动时被初始化:
     

     
    ReceiverTracker启动Receiver时候,向ReceiverTrackerEndPoint通讯体endpoint变量发送了StartAllReceivers(receivers)消息:
     

     
    Receiver启动后会向ReceiverTracker注册,告诉ReceiverTracker自己启动成功:
     

     
    代码中的trackerEndpoint就是ReceiverTracker中ReceiverTrackerEndPoint通讯体endpoint的引用。
     
    Receiver会不断将接收的数据封装成Block,并将这些Block推送给BlockManager管理,在将这些Block推送给BlockManager之后,ReceiverSupervisor会将Block的元信息发送给ReceiverTracker的endpoint:
     

     
    可以看到ReceiverSupervisor向ReceiverTracker的endpoint发送了AddBlock(blockInfo)消息:
     
    ReceiverTracker收到AddBlock(blockInfo)消息后,会启动一个线程进行处理:
     

     
    ReceiverTracker收到AddBlock(blockInfo)消息后,调用了addBlock(receiveedBlockInfo)方法进行处理,下面是addBlock的源码:
     

     
    这里其实调用了receivedBlockTracker的addBlock方法,receivedBlockTracker是ReceivedBlockTracker对象,它是在ReceiverTracker实例化时候被创建:
     

     
    下面看一下ReceivedBlockTracker的addBlock方法:
     

     
    可以看到ReceivedBlockTracker的addBlock方法将block的元信息添加到了一个队队列中,最终是添加到一个叫做streamIdToUnallocatedBlockQueues的HashMap中,其中key是streamId,值是该streamid对应的block队列。
     

     
     
    2.2 为Batch分配Block
        当spark streaming应用程序动态生成job的时候,JobGenerator会调用generateJobs方法,在该方法中会为批处理分配已经接收的Block
     
       
     
    这里调用了jobScheduler中receiverTracker的allocatedBlockToBatch方法,这里的receiverTracker就是ReceiverTracker对象,下面看一下该方法的实现:
     

     
    可以看到,最终调用了ReceivedBlockTracker的allocatedBlockToBatch方法:
     

     
    这里先根据streamId,从streamIdToUnallocatedBlockQueues中取出接收到的block队列,并将streamId和block队列封装成AllocatedBlocks,最后根据batchTime将其对应的AllocatedBlocks对象加入timeToAllocatedBlocks中,timeToAllocatedBlocks是一个HashMap:
     

     
    这样Batch的Block就分配完成。
     
    2.3 ReceiverTracker处理的其他消息
        ReceiverTracker中ReceiverTrackerEndpoint的receive方法定义了各种消息的处理逻辑:  
     
    1) 收到StartAllReceivers(receivers)消息后,ReceiverTracker会为receivers分配executor,并在executor上启动相应的receiver
     
          
     
    (2)当ReceiverTracker监控到receiver退出返回时,会给ReceiverTrackerEndpoint发送RestartTracker(receiver)消息。收到该消息后,会重新为receiver分配executor启动receiver(如果原来的executor运行正常就在原先的executor上重新启动,否则重新调度executor)。
     
     
    (3)当Spark Streaming 的job结束后,JobScheduler会调用handleJobCompletion方法,最终会调用cleanupOldBlocksAndBatches方法给endpoint发送CleanupOldBlocks消息:
     
    收到该消息后,会被路由到Receiver 进行Block的清理。
     
    (4)UpdateReceiverRateLimit消息
     
      
     
    收到UpdateReceiverRateLimit消息后,会将其路由到receiver,当receiver收到该消息后会调用BlockGenerator的update方法更新Block生成速率。
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
        





  • 相关阅读:
    mybatis-plus学习
    代码规范系列
    Error:Abnormal build process termination:
    SpringBoot常用注解
    git深度学习
    spring中创建bean的方式
    jenkis构建“ERROR: Error fetching remote repo ‘origin’“
    tensor2tensor安装bug修复
    Swin-Transformer代码工程进行物体检测
    Linux常用命令
  • 原文地址:https://www.cnblogs.com/zhouyf/p/5537167.html
Copyright © 2020-2023  润新知