10.Spark Streaming源码分析:Receiver数据接收全过程详解

原创文章，转载请注明:转载自 听风居士博客(http://blog.csdn.net/zhouzx2010)

在上一篇中介绍了Receiver的整体架构和设计原理，本篇内容主要介绍Receiver在Executor中数据接收和存储过程

一、Receiver启动过程回顾



如图，从ReceiverTracker的start方法开始，调用launchReceivers()方法，给endpoint发送消息，endpoint.send(StartAllReceivers(receivers))，endpoint就是ReceiverTrackerEndpoint，ReceiverTrackerEndpoint调用startReceiver方法在Executor中启动ReceiverSupervisor。详情请阅读链接中的文章http://blog.csdn.net/zhouzx2010

二、Receiver数据接收全过程总览
Receiver数据接收核心成员：
1.ReceiverSupervisor
2.BlockGenerator

3.Receiver

4.ReceiverTracker

5.BlockManager

首先ReceiverSupervisor启动，继而启动BlockGenerator和Receiver，其中BlockGenerator首先启动一个定时器定时将接收的数据封装成Block，然后启动一个线程不断将Block数据推送给BlockManager。而Receiver启动后不断接收数据，并不断将接受的数据添加到BlockGenerator中，这样BlockGenerator就不断将Receiver接收的数据推送到BlockManager，整个数据接收过程如下图：



三、Receiver数据接收过程详解
3.1 ReceiverSupervisor 启动

Spark Streaming 在集群启动Receiver的时候会先在Executor中启动ReceiverSupervisor来管理Receiver，ReceiverSupervisor的启动是通过调用他的start方法完成的，源码如下：



ReceiverSupervisor的start方法首先调用了onStart 方法，该方法启动了BlockGenerator，必须在启动Receiver之前调用该方法来启动BlockGenerator，因为必须BlockGenerator先启动，以保证接收到的数据能够被存储起来。该方法在ReceiverSupervisor的子类ReceiverSupervisorImpl有实现：



可以看到，在onStart方法中启动了所有的已经注册的BlockGenerator，其中registeredBlockGenerators是ReceiverSupervisorImpl的成员变量，在ReceiverSupervisorImpl实例化是被创建：



registeredBlockGenerators中的Generartor是什么时候产生，并加入到registeredBlockGenerators这个队列里的呢？ReceiverSupervisorImpl的createBlockGenerator方法对registeredBlockGenerators进行了元素添加：



从源码可以看到每一个receiver创建一个BlockGenerator，因为streamId与receiver一一对应。createBlockGenerator首先还将已经停止的BlockGenerator从registeredBlockGenerators队列清除。createBlockGenerator
方法又是在什么时候被调用的呢，答案是在ReceiverSupervisorImpl实例化时候被调用，请看源码：



现在registeredBlockGenerators中有了BlockGenerator，接下来分析BlockGenerator的启动过程

3.2 BlockGenerator 启动



BlockGenerator的start方法启动一个定时器blockIntervalTimer，用来定时生成调用updateCurrentBuffer方法：



时间间隔默认是200毫秒：



下面看一下updateCurrentBuffer的源码：



currentBuffer 是一个ArrayBuffer 存储了数据记录，updateCurrentBuffer方法将间隔时间段的数据记录封装成Block，然后将新的Block 放入等待推送的block队列blockForPushing：



回到BlockGenerator的start方法的另一个线程blockPushingThread



可以看到blockPushingThread的run方法调用了keepPushingBlocks方法将blockForPushing队列中的Block推送给BlockManager：



可以看到最多等待10毫秒从blockForPushing中取去Block，然后掉pushBlock方法将block推送给BlockManager，下面看一下pushBlock的源码



这里的listener 是 BlockGeneratorListener 对象，在ReceiverSupervisorImpl中被实例化：



我们关注其中的onPushBlock方法：调用了pushArrayBuffer方法：



这里调用了一个很重要的方法
pushAndReportBlock
我们看一下源码：



pushAndReportBlock方法用来存储接收的的数据Block并将元数据汇报给ReceiverTracker。

Block存储交给receivedBlockHandler处理，receivedBlockHandlery有两种实现方式：



看一下BlockManagerBasedBlockHandler的storeBlock方法：



BlockManagerBasedBlockHandler的storeBlock方法根据ReceivedBlock的不同类型分别处理，最终都是交给了BlockManger管理。

至此BlockGenerator 分析完毕，下面分析 Receiver 的启动过程

3.3 Receiver 启动
首先回到ReceiverSupervisorImpl的startReceiver方法：



首先调用了onReceiverStart方法，将Receiver注册给ReceiverTracker,重点看代码rever.onStart()，调用了receiver的onStart方法，此处我们以SocketReceiver为例进行讲解：



可以看到SocketReceiver的onStart（）方法先给创建了一个Socket对象赋值给了socket，然后启动了一个后台进行“Socket Receiver” ，在后台进程的run方法中调用了receive（）方法进行数据接收：



SocketReceiver的receive（）方法不断从socket接收数据，然后调用store方法进行存储。



此处再次回到ReceiverSupervisor，调用了其中的pushSingle函数：



最终调用了BlockGenerator的addData方法：



可以看到BlockGenerator的addData方法将数据添加到currentBuffer中，然后blockIntervalTimer会每个200毫秒从currentBuffer取出数据封装成Block，并将Block添加到blockForPushing队列，blockPushingThread会将blockForPushing队列中的block推送给BlockManager。至此Receiver运行流程分析完毕。

四、总结：receiver数据接收流程图
总体过程：ReceiverSupervisor启动时，启动了BlockGenerator和Receiver，其中BlockGenerator首先启动一个定时器定时将接收的数据封装成Block，然后启动一个线程不断将Block数据推送给BlockManager。而Receiver启动后不断接收数据，不断将接受的数据添加到BlockGenerator的currentBuffer中，BlockGenerator不断从currentBuffer取数据，这样整个数据接收过程不断循环。



原创文章，转载请注明:转载自 听风居士博客(http://blog.csdn.net/zhouzx2010)