Livy探究(七) -- 编程接口分析

在前面的篇章中，咱们把重点放在livy的REPL功能的展现和源码分析。这篇咱们探索一下livyUsing the Programmatic API功能。

与REPL不一样的是，Programmatic API提供了在一个“已经存在”的SparkContext上执行处理程序的机制。用户须要实现Job接口：

public interface Job<T> extends Serializable {
  T call(JobContext jc) throws Exception;
}

JobContext对象能够访问到SparkContext和SQLContext，因此，用户不用关心SparkContext的建立。

当用户编写了实现Job接口的类后，打包成jar包，就能够使用LivyClient上传jar包、提交Job了。

这里作个补充 livyUrl是指 http://host:port/sessions/xxxx，即为对应session的RESTful地址。livy的例子文档中，没有写清楚的是 livyUrl是什么。

livy服务端，会在对应session的SparkContext上运行Job。

源码分析

客户端代码

LivyClient和LivyClientFactory在livy源码中是接口，而实现是HttpClientFactory：

/**
 * Factory for HTTP Livy clients. */
public final class HttpClientFactory implements LivyClientFactory {
    @Override
    public LivyClient createClient(URI uri, Properties config) {
        if (!"http".equals(uri.getScheme()) && !"https".equals(uri.getScheme())) {
            return null;
        }
        return new HttpClient(uri, new HttpConf(config));
    }
}

而LivyClientBuilder使用ServiceLoader加载LivyClientFactory的实现类。

HttpClient会向以下几个接口地址请求：

• /sessions/%d/upload-jar
• /sessions/%d/add-jar
• /sessions/%d/upload-file
• /sessions/%d/add-file
• /sessions/%d/submit-job
• /sessions/%d/run-job

例如，当调用sumbit时，会请求/sessions/%d/submit-job。咱们重点看submit-job，最终会调用sendJob：

// command就是submit-job或run-job
private <T> JobHandleImpl<T> sendJob(final String command, Job<T> job) {
    final ByteBuffer serializedJob = serializer.serialize(job);
    JobHandleImpl<T> handle = new JobHandleImpl<T>(config, conn, sessionId, executor, serializer);
    handle.start(command, serializedJob);
    return handle;
}

这里看到，对job类的实例进行了序列化。这里用的序列化方式就是前面篇章中提到的kryo。序列化最终会把类转化成byte[]。稍后在服务端，能够看到会使用反序列化恢复Job类。

服务端代码

客户端的http请求首先会到达livyServer，入口主要在InteractiveSessionServlet：

上面的代码接收到客户端请求，选择到对应的session，并调用session的submitJob。

在第三篇中，咱们知道livyServer中的一个session本质上对应了一个正在运行的driver程序。而且session会链接到driver，建立出一条链路，进而与driver通讯。

上述submitJob最终会经过这条链路，向driver发送消息，那么发送的具体是什么消息呢？经过下面代码能够看到，其实发送的是BypassJobRequest，而且这里尚未对Job进行反序列化：

String jobId = UUID.randomUUID().toString();
Object msg = new BypassJobRequest(jobId, jobType, BufferUtils.toByteArray(serializedJob), sync);
...
if (driverRpc.isSuccess()) {
  try {
    return driverRpc.get().call(msg, retType);
 } catch (Exception ie) {
    throw Utils.propagate(ie);
 }
}

根据这条线索，以及第六篇中关于RPC框架的结论。咱们在RSCDriver里面找到了对应的handle：

进一步在BypassJob中看到，对序列化的job对象进行反序列化，并执行call的地方：

总结

本篇介绍了livy的Programmatic API，这部分官方文档目前比较少。所以，更多从源码角度作个分析，以便后续采坑。

下图总结了Job提交运行的基本流程：

• Client端首先对Job对象采用kryo进行序列化，经过http接口调用到livyServer
• livyServer封装请求为RPC消息BypassJobRequest，发送给对应的driver
• driver侧对Job执行反序列化，并调用其call