spark源码之环境准备

本文主要是介绍spark源码之环境准备，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

我们使用yarn集群作为研究

spark环境准备

• • • yarn环境准备
    • 启动Driver
    • 启动Executor

yarn环境准备

spark的入口类是SparkSubmit，在这里，我们开始提交参数

这里的args就是--class这些的。

解析好这些参数后，我们会返回一个SparkSubmitArguments的一个属性action的值并进行模式匹配。

我们可以看到，action默认就是SUBMIT。

于是走submit分支：

假设我们没有使用--proxy-user参数，于是走runMain(args, uninitLog)。

走进这个方法，首先他要准备提交的环境，并且我们关注返回元组中的childMainClass。

进入prepareSubmitEnvironment(args)。

因为我们是yarn集群模式，所以childMainClass = YARN_CLUSTER_SUBMIT_CLASS。

而YARN_CLUSTER_SUBMIT_CLASS是一个全类名：

拿到这个全类名后我们问他是不是SparkApplication的子类，如果是就用反射new出来，然后再转成SparkApplication。

所以YarnClusterApplication就创建出来了。

创建出来后我们调用它的start方法。

在start方法中我们要new一个客户端，进去：

他会创建一个YarnClient。这时候我们就要开始和RM建立连接了。

再走run方法：

现在要开始提交应用了。

yarnClient完成初始化并启动。

我们想知道它提交的是些什么。

所以，进到创建容器环境的代码：

      val containerContext = createContainerLaunchContext(newAppResponse)

它会将一些指令封装好提交给RM，所以我们关注这个amClass是个什么。

因为我们使用的是集群模式，所以amClass就是

org.apache.spark.deploy.yarn.ApplicationMaster

所以yarn客户端将启动ApplicationMaster的指令给RM，RM就会让其中一个NM来启动，因为命令是bin/java ApplicationMaster，所以起的是一个进程。

要执行ApplicationMaster这个进程，就是要执行main方法，进到他的main方法去：

在main方法中它new了一个ApplicationMaster，进去：

在ApplicationMaster里面又new了一个YarnRMClient，这个东西就是ApplicationMaster用来和RM通信的。

再回到ApplicationMaster的main方法，这个AM创建出来后，去看它的run方法。

在这个run方法中，它判断我们是不是集群模式（显然我们是），是的话就走runDriver()。

启动Driver

进入runDriver()。

先看

  val sc = ThreadUtils.awaitResult(sparkContextPromise.future,
        Duration(totalWaitTime, TimeUnit.MILLISECONDS))

他在等待一个SparkContext，没有等到就阻塞。

所以我们进startUserApplication()看看发生了什么。

这个--class就是我们命令行传的主类参数：

拿到我们的main方法之后就是用invoke调用。

当然这是跑在一个线程中的：

启动的这个线程，就是我们的Driver：

调用我们的main后一定会有SparkContext，随便的一个spark程序，都会创建SparkContext：

于是之前阻塞的代码就可以走通了：

启动Executor

我们接着往下走：

首先他要注册AM，注册的含义AM就是要向RM申请资源。

然后要创建分配器，相当于是要分配资源了。

这里的client就是之前的YarnRMClient，就是用来和RM通信的。

它创建了分配器之后就要开始分配资源了。

如果可使用的容器数量大于0（yarn中资源是以container的形式存在的），就要开始着手处理这些容器了。

然后我们要去跑分配好的容器。

跑的时候他有一个线程池，走到里面的run方法去。

在run方法里面它初始化了NM，然后启动容器。

最终是由NM来启动容器，nmClient.startContainer(container.get, ctx)里面有一个上下文对象，这个ctx里面封装了一些指令。

我们进到prepareCommand()里面去查看是哪些指令。

显然，他又是用bin/java的形式启动了一个进程，这个进程就是YarnCoarseGrainedExecutorBackend。

接下来我们需要知道这个YarnCoarseGrainedExecutorBackend是什么。

走进它的run方法。

他首先要创建一个RpcEndpointRef类型的driver变量，这个东西就是用来和真正的Driver做通信的。

然后将自己（YarnCoarseGrainedExecutorBackend）设置为一个终端。其实就是一个通信的终端，我们看他设置的时候做了什么。

一路跟下去。

他会创建一个DedicatedMessageLoop。

在这个类中，他会创建一个Inbox对象，就是一个收件箱。

Inbox回给自己发一个OnStart的指令。

他自己匹配到OnStart之后，就会调用终端onStart()方法。我们跟进去：

终端会给Driver发一个RegisterExecutor对象，表示要注册Excutor。

那Driver那边谁接受呢？当然是Driver里面的SparkContext。

SparkContext里面有一个SchedulerBackend，他就是用来接发消息的。

这个实现类相当于是Driver方面的终端。

当他匹配到RegisterExecutor对象时，

最后返回了true。

此时Executor端的终端接收到成功的消息后，就给自己发一个消息，说去注册Executor吧。

然后它自己和自己匹配到RegisteredExecutor后，就完成Executor的注册。

我们最后回到ApplicationMaster。

刚才是在createAllocator这里离开的。Executor创建完成后，调用resumeDriver()来恢复Driver的执行，就是我们写的那些RDD。

这篇关于spark源码之环境准备的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！