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

Posted 2020-07-14 听风居士

    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。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

    

From WizNote