spark的内存管理机制学习——BlockManager

首先最关键的模块就是Spark中的BlockManager。学习一下。

§ BlockManager是什么？

BlockManager的作用？我理解是负责做RDD的存储，如何存下来给后续任务去使用。

其内部模块图如下：

图中看到有个memoryStore和DiskStore，说明把block做存储时，有内存和磁盘2种方式，存储后就都i通过这个Store去管理。

存储时以Block为单位，所以会有个映射用的数组

有一个负责和Driver的BlockManagerMaster通信的引用接口

还有个shuffClient，负责做 备份 和 下载， 即各executor之间会通过shuffClient来做block的传输。

§ BlockManager和Driver、executor的关系

其关系如图：

从中可以看到

blockManagerMaster在driver端生成

executor中生成blockManager，并负责向BMM注册。

spark中注册消息通过ActorSystem进行发送

§ 把块block 存入blockManager的流程

比如特殊的2个地方：

试图put时，会先看下该blockId是否有缓存，有的话直接取过来，否则就重新创建blockInfo

存储时会先判断内存是否充足，充足就写入memoryStore，如果不够会先释放再尝试放入。

§ 从blockManager中删除块

删除的操作没什么特别的，主要是会判断一下块的存储级别，选择从不同的store中取块。

§ shuffClient 下载block操作

BMMAC就是BlockManagerMasterActor,我当初瞎写的简称

注意点：当要取的块来自好几个BlockManager时， 把它打乱顺序，避免好几个BM同时从某一个BM上下载数据！

§ shuffeClinet的备份操作

因为其他的BlockManager能接收的block可能有限，所以备份时可能会涉及多个block， 每次我们一样，从BMmaster那里拿一个 ***随机***的blockManager做备份，避免都往同一个上备份。

§ BlockManager和Executor、driver的关系：

从中可以看到

blockManagerMaster在driver端生成

executor中生成blockManager，并负责向BMM注册。

spark中注册消息通过ActorSystem进行发送

EI企业智能 智能数据 数据湖治理中心 DGC

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。