Spark定制班第19课：Spark Streaming架构设计和运行机制大总结

本期内容：

1. Spark Streaming中的架构设计和运行机制

2. Spark Streaming的深度思考

1. Spark Streaming中的架构设计和运行机制

前面讨论过，Spark Streaming就是RDD加上了时间维度。RDD模板是DStream，DAG的模板是DStreamGraph。

但实际上DStream上的操作和RDD上的操作并不是一一对应的。RDD中的一些操作，在DStream里没有。

DStream、DStreamGraph是幻象，只是在时间维度下为RDD的时间周期管理提供方便而已。

这个时间维度，说到底，就是用到了定时器。生成Block，生成Job，都用了定时器。

BlockGenerator中的RecurringTimer是成员blockIntervalTimer 。定时产生Block。

BlockGenerator：

  private val blockIntervalTimer =

    new RecurringTimer(clock, blockIntervalMs, updateCurrentBuffer, "BlockGenerator")

BlockGenerator.updateCurrentBuffer：

  /** Change the buffer to which single records are added to. */

  private def updateCurrentBuffer(time: Long): Unit = {

    try {

      var newBlock: Block = null

      synchronized {

        if (currentBuffer.nonEmpty) {

          val newBlockBuffer = currentBuffer

          currentBuffer = new ArrayBuffer[Any]

          val blockId = StreamBlockId(receiverId, time - blockIntervalMs)

          listener.onGenerateBlock(blockId)

          newBlock = new Block(blockId, newBlockBuffer)

        }

      }

      if (newBlock != null) {

        blocksForPushing.put(newBlock)  // put is blocking when queue is full

      }

    } catch {

      case ie: InterruptedException =>

        logInfo("Block updating timer thread was interrupted")

      case e: Exception =>

        reportError("Error in block updating thread", e)

    }

  }

定期产生Block。具体流程参考第10课。

JobGenerator中的RecurringTimer是成员timer。

JobGenerator：

  private val timer = new RecurringTimer(clock, ssc.graph.batchDuration.milliseconds,

    longTime => eventLoop.post(GenerateJobs(new Time(longTime))), "JobGenerator")

定期的发送生成Job的消息。具体流程参考第7课。

2. Spark Streaming的深度思考

Spark Streaming的本质，就是在RRD的基础上，增加了Timer，Timer不断触发，周而复始的产生Block，产生Job，处理数据。