Spark性能调优（九）之Spark Tungsten内存使用

一：Tungsten中到底什么是Page？

1.在Spark其实不存在Page这个类的。Page是一种数据结构(类似于Stack，List等)，从OS层面上讲，Page代表了一个内存块，在Page里面可以存放数据，在OS中会存放很多不同的Page，当要获得数据的时候首先要定位具体是哪个Page中的数据，找到该Page之后从Page中根据特定的规则(例如说数据的offset和length)取出数据。

到底什么是Spark中的Page呢？

在阅读源码的时候，细致研究MemoryBlock.Java，MemoryBlock代表了一个Page的对象。

2.其中：Nullable：可以为空。为什么？Page代表了具体的内存区域以及内存里面具体的数据，Page中的数据可能是On-heap的数据，也可能是Off-heap中的数据。如果是On-heap则有对象，但是Off-heap的话就没有对象。所以用@Nullable，将对象设置为空。

其中offset：偏移量。MemoryBlock封装了Off-heap和On-heap。

public MemoryBlock(@Nullable Object obj, long offset, long length) {
super(obj, offset);
this.length = length;
}

3.On-heap和Off-heap寻址方式：

On-heap：先找到对象，然后再找索引。

Off-heap：根据地址找到索引。

4.Page可以定位到数据，然后又知道数据的偏移量OffSet之后怎么访问数据？这时候需要length，但是length并不知道，所以此时的长度设定为固定的，设置固定长度的length。

二：如何使用Page？

1.在TaskMemoryManager中，通过封装Page来定位数据，定位的时候如果是On-heap的话，则先找到对象，然后对象中通过offset来具体定位地址，而如果是Off-heap的话，则直接定位。



逻辑地址：Pagenumber由13个bit组成，51bit组成Offset

如果是On-heap的方式：内存的分配是是由heapMemoryAllocator完成的

@Override
public MemoryBlock allocate(long size) throws OutOfMemoryError {
if (shouldPool(size)) {
synchronized (this) {
final LinkedList<WeakReference<MemoryBlock>> pool = bufferPoolsBySize.get(size);
if (pool != null) {
while (!pool.isEmpty()) {
final WeakReference<MemoryBlock> blockReference = pool.pop();
final MemoryBlock memory = blockReference.get();
if (memory != null) {
assert (memory.size() == size);
return memory;
}
}
bufferPoolsBySize.remove(size);
}
}
}
//内存对齐，array里面都是地址，因为GC的时候对象的地址会发生变化，因此就需要
//为了获得对象的引用。也就是对象的地址。
long[] array = new long[(int) ((size + 7) / 8)];
//array里面保存的都是地址，而LONG_ARRAY_OFFSET是偏移量，因此二者就可以定位到绝对地址，然后根据size就可以确定数据。
return new MemoryBlock(array, Platform.LONG_ARRAY_OFFSET, size);
}

如果是Off-heap的方式：内存的分配是是由UnsafeMemoryAllocator完成的。

@Override
public MemoryBlock allocate(long size) throws OutOfMemoryError {
long address = Platform.allocateMemory(size);
//对象的引用为null
//address是绝对地址
return new MemoryBlock(null, address, size);
}

2.一个关键的问题是如何确定数据呢？这个时候就需要涉及具体的算法。

针对Task是怎么管理内存的？

TaskMemoryManager基于Page的概念屏蔽掉了底层是On-heap或者是Off-heap的概念，使用逻辑地址做指针，通过逻辑地址来具体定位到我们的记录具体在Page中的位置，

逻辑地址的表示：long类型的64bit的一个数字来表示的。