在前两篇文章 spark shuffle的写操做之准备工做 中引出了spark shuffle的三种实现,spark shuffle写操做三部曲之BypassMergeSortShuffleWriter 讲述了BypassMergeSortShuffleWriter 用于shuffle写操做的具体细节,实现相对比较朴素,值得学习。本篇文章,主要剖析了 UnsafeShuffleWriter用做写shuffle数据的具体细节,它在 BypassMergeSortShuffleWriter 的思路上更进一步,建议先看 spark shuffle写操做三部曲之BypassMergeSortShuffleWriter,再来看本篇文章。下面先来看UnsafeShuffleWriter的主要依赖实现类 -- ShuffleExternalSorter。html
在看本小节以前,建议先参照 spark 源码分析之二十二-- Task的内存管理 对任务的内存管理作一下详细的了解,由于ShuffleExternalSorter使用了内存的排序。任务在作大数据量的内存操做时,内存是须要管理的。算法
在正式剖析以前,先剖析其依赖类。apache
它记录了block的一些元数据信息。数组
其类结构以下:app
其中,blockId就是shuffle的临时的blockId,file就是shuffle合并后的文件,partitionLengths表示每个分区的大小。源码分析
它支持堆内内存和堆外内存,它有四个属性:post
数组里的一个元素的地址等于:学习
if (baseObj == null) ? baseOffset(is real os address) + (length - 1) * WIDTH : address(baseObj) + baseOffset(is relative address 0) + (length - 1) * WIDTH大数据
全部元素设为0:优化
设置元素
其底层使用unsafe类来设置值
获取元素
其底层使用unsafe类来获取值
全称:org.apache.spark.shuffle.sort.PackedRecordPointer
成员常量:
压缩记录指针和分区:
获取记录的地址:
获取记录的分区:
思路也很简单,就是根据分区来排序,即相同分区的数据被排到了一块儿。
其定义以下:
其思路很简单,hasNext跟JDK标准库的实现一致,多了一个loadNext,每次都须要把数组中下一个位置的元素放到packetRecordPointer中,而后从packedRecordPointer中取出数据的地址和分区信息。
获取迭代器的源码以下:
其中 useRadixSort表示是否使用基数排序,默认是使用基数排序的,由参数 spark.shuffle.sort.useRadixSort 配置。
若是不使用基数排序,则会使用Spark的Sorter排序,sorter底层实现是TimSort,TimSort是优化以后的MergeSort。
总之,ShuffleSorterIterator中的数据已是有序的了,只须要迭代式取出便可。
思路很简单,插入的数据就是记录的地址和分区数据,这两种数据被PackedRecordPointer压缩编码以后被存入到数组中。
其继承关系以下:
即它是MemoryConsumer的子类,其实现了spill方法。
其成员变量以下:
DISK_WRITE_BUFFER_SIZE:写到磁盘前的缓冲区大小为1M
numPartitions:reduce的分区数
taskMemoryManager:负责任务的内存管理。看 spark 源码分析之二十二-- Task的内存管理 作进一步了解。
blockManager:Spark存储系统的核心类。看 spark 源码分析之十八 -- Spark存储体系剖析 作进一步了解。
TaskContext:任务执行的上下文对象。
numElementsForSpillThreshold:ShuffleInMemorySorter 数据溢出前的元素阀值。
fileBufferSizeBytes:DiskBlockObjectWriter溢出前的buffer大小。
diskWriteBufferSize:溢出到磁盘前的buffer大小。
allocatedPages:记录分配的内存页。
spills:记录溢出信息
peakMemoryUsedBytes:内存使用峰值。
inMemSorter:内存排序器
currentPage:当前使用内存页
pageCursor:内存页游标,标志在内存页的位置。
其构造方法以下:
fileBufferSizeBytes:经过参数 spark.shuffle.file.buffer 来配置,默认为 32k
numElementsForSpillThreshold:经过参数spark.shuffle.spill.numElementsForceSpillThreshold来配置,默认是整数的最大值。
diskWriteBufferSize:经过 spark.shuffle.spill.diskWriteBufferSize 来配置,默认为 1M
主要方法以下:
咱们主要分析其主要方法。
其源码以下:
思路很简单,调用writeSortedFile将数据写入到文件中,释放内存,重置inMemSorter。
freeMemory方法以下:
writeSortedFile 源码以下:
图中,我大体把步骤划分为四部分。总体思路:遍历sorter中的全部分区数据,最终同一分区的数据被写入到同一个FileSegment中,这些FileSegment最终又构成了一个合并的文件,其中FileSegment的大小被存放在SpillInfo中,最后放到了spills集合中。重点说一下第三步的获取地址信息,若是是堆内地址,recordPage就是base对象,recordOffsetInPage就是记录相对于base对象的偏移量,若是是堆外地址,recordPage为null,由于堆外地址没有base对象,其baseOffset就是其在操做系统内存中的绝对地址,recordOffsetInPage = offsetInPage + baseOffset,具体能够在 spark 源码分析之二十二-- Task的内存管理 中看TaskMemoryManager的实现细节。
其源码以下:
注意:若是是堆内内存,baseObject就是分配的数组,baseOffset就是数组的下标索引。若是是堆外内存,baseObject为null,baseOffset就是操做系统内存中的地址。
在地址编码的时候,若是是堆内内存,页内的偏移量就是baseObject,若是是堆外内存,页内偏移量为: 真实偏移量 - baseOffset。
它在插入数据以前,offset作了字节对齐,若是系统支持对齐,则向后错4位,不然向后错8位。这跟溢出操做里取数据是对应的,便可以跟上文中 writeSortedFile 方法对比看。
org.apache.spark.shuffle.sort.ShuffleExternalSorter#growPointerArrayIfNecessary源码以下:
解释:首先hasSpaceForAnotherRecord会比较数组中下一个写的索引位置跟数组的最大容量比较,若是索引位置大于最大容量,那么就没有空间来存放下一个记录了,则须要把扩容,used是指的数组如今使用的大小,扩容倍数为源数组的一倍。
org.apache.spark.shuffle.sort.ShuffleExternalSorter#acquireNewPageIfNecessary 源码以下:
解释:分配内存页的条件是当前页的游标 + 须要的页大小 大于当前页的最大容量,则须要从新分配一个内存页。
其源码以下:
思路:执行最后一次溢出,而后将数据溢出信息返回。
思路:释放内存排序器的内存,删除溢出的临时文件。
源码以下:
思路:当前使用内存大于最大峰值则更新最大峰值,不然直接返回。
这个sorter内部集成的内存sorter会把同一分区的数据排序到一块儿,数据溢出时,相同分区的数据会汇集到溢出文件的一个segment中。
先上源码,后解释:
思路:流程很简单,将全部的数据逐一遍历放入sorter,而后将sorter关闭,获取输出文件,结束。
下面咱们具体来看每一步是具体怎么实现的:
在org.apache.spark.shuffle.sort.UnsafeShuffleWriter的构造方法源码以下:
简单作一下说明:
DEFAULT_INITIAL_SORT_BUFFER_SIZE为 4096
DEFAULT_INITIAL_SER_BUFFER_SIZE 大小为 1M
reduce 分区数量最大为 16777216
SHUFFLE_FILE_BUFFER_SIZE默认为32k,大小由参数 spark.shuffle.file.buffer 配置。
SHUFFLE_UNSAFE_FILE_OUTPUT_BUFFER_SIZE 默认大小为32k,大小由参数 spark.shuffle.unsafe.file.output.buffer 配置。
其open方法以下:
这个方法里涉及了三个类:ShuffleExternalSorter,MyByteArrayOutputStream以及SerializationStream三个类。ShuffleExternalSorter在上文已经剖析过了,MyByteArrayOutputStream是一个ByteArrayOutputStream子类负责想堆内内存中写数据,SerializationStream是一个序列化以后的流,数据最终会被写入到serBuffer内存流中,调用其flush方法后,其内部的buf就是写入的数据,以下:
核心方法write源码以下:
其主要有两步,一步是遍历每一条记录,将数据写入到sorter中;第二步是关闭sorter,并将数据写入到一个shuffle 文件中同时更新shuffle索引信息;最后清除shuffle过程当中sorter使用的资源。
先来看第一步:数据写入到sorter中。
记录中的键值被序列化到serBuffer的buf字节数组中,而后被写入到 sorter(ShuffleExternalSorter)中。在sorter中序列化数据被写入到内存中(内存不足会溢出到磁盘中),其地址信息被写入到 ShuffleInMemorySorter 中,具体能够看上文介绍。
一步是遍历每一条记录,将数据写入到sorter中后会调用sorter的closeAndGetSpills方法执行最后一次spill操做,而后获取到整个shuffle过程当中全部的SpillInfo信息。而后使用ShuffleBlockResolver获取到shuffle的blockId对应的shuffle文件,最终调用mergeSpills 方法合并全部的溢出文件到最终的shuffle文件,而后更新shuffle索引文件,设置Shuffle结果的MapStatus信息,结束。
org.apache.spark.shuffle.sort.UnsafeShuffleWriter#closeAndWriteOutput 源码以下:
其关键方法 org.apache.spark.shuffle.sort.UnsafeShuffleWriter#mergeSpills 源码以下:
若是溢出文件为0,直接返回全是0的分区数组。
若是溢出文件为1,文件重命名后返回只有一个元素的分区数组。
若是溢出文件多于1个则,多个溢出文件开始merge。
首先先看一下五个变量:
encryptionEnabled:是否启用加密,默认为false,经过 spark.io.encryption.enabled 参数来设置。
transferToEnabled:是否可使用nio的transferTo传输,默认为true,经过 spark.file.transferTo 参数来设置。
compressionEnabled:是否使用压缩,默认为true,经过 spark.shuffle.compress 参数来设置。
compressionCodec:默认压缩类,默认为LZ4CompressionCodec,经过 spark.io.compression.codec 参数来设置。
fastMergeEnabled:是否启用fast merge,默认为true,经过 spark.shuffle.unsafe.fastMergeEnabled 参数来设置。
fastMergeIsSupported:是否支持 fast merge,若是不使用压缩或者是压缩算法是 org.apache.spark.io.SnappyCompressionCodec、org.apache.spark.io.LZFCompressionCodec、org.apache.spark.io.LZ4CompressionCodec、org.apache.spark.io.ZStdCompressionCodec这四种支持链接的压缩算法中的一种都是可使用 fast merge的。
三种merge多个文件的方式:transfered-based fast merge、fileStream-based fast merge以及slow merge三种方式。
使用transfered-based fast merge条件:使用 fast merge而且压缩算法支持fast merge,而且启用了nio的transferTo传输且不启用文件加密。
使用fileStream-based fast merge条件:使用 fast merge而且压缩算法支持fast merge,而且未启用nio的transferTo传输或启用了文件加密。
使用slow merge条件:未使用 fast merge或压缩算法不支持fast merge。
下面咱们来看三种合并溢出的方式。
其核心方法org.apache.spark.shuffle.sort.UnsafeShuffleWriter#mergeSpillsWithTransferTo 源码以下:
其依赖方法 org.apache.spark.util.Utils#copyFileStreamNIO 以下:
很简单,底层依赖于Java的NIO的transferTo方法实现。
其核心方法 org.apache.spark.shuffle.sort.UnsafeShuffleWriter#mergeSpillsWithFileStream 源码以下,这里不传入任何压缩类,见 org.apache.spark.shuffle.sort.UnsafeShuffleWriter#mergeSpills 源码。
其其核心方法 org.apache.spark.shuffle.sort.UnsafeShuffleWriter#mergeSpillsWithFileStream 源码跟 fileStream-based fast merge 里的同样,不作过多解释,只不过这里多传入了一个压缩类,见 org.apache.spark.shuffle.sort.UnsafeShuffleWriter#mergeSpills 源码。
这部分更详细的能够看 org.apache.spark.shuffle.IndexShuffleBlockResolver#writeIndexFileAndCommit 源码。在上篇文章 spark shuffle写操做三部曲之BypassMergeSortShuffleWriter 中使用BypassMergeSortShuffleWriter写数据已经剖析过,再也不剖析。
ShuffleExternalSorter将数据不断溢出到溢出小文件中,溢出文件内的数据是按分区规则排序的,分区内的数据是乱序的。
多个分区的数据同时溢出到一个溢出文件,最后使用三种归并方式中的一种将多个溢出文件归并到一个文件,分区内的数据是乱序的。最终数据的格式跟第一种shuffle写操做的结果是同样的,即有分区的shuffle数据文件和记录分区大小的shuffle索引文件。