ReceiverTraker, ReceivedBlockTracker 详解

阅读本文前，请一定先阅读 [Spark Streaming 实现思路与模块概述](0.1 Spark Streaming 实现思路与模块概述.md) 一文，其中概述了 Spark Streaming 的 4 大模块的基本作用，有了全局概念后再看本文对 模块 3：数据产生与导入 细节的解释。

引言

我们在 [Spark Streaming 实现思路与模块概述](0.1 Spark Streaming 实现思路与模块概述.md) 给出了 模块 3：数据产生与导入的基本工作流程：

• (1) 由 Receiver 的总指挥 ReceiverTracker 分发多个 job（每个 job 有 1 个 task），到多个 executor 上分别启动 ReceiverSupervisor 实例；
• (2) 每个 ReceiverSupervisor 启动后将马上生成一个用户提供的 Receiver 实现的实例 —— 该 Receiver 实现可以持续产生或者持续接收系统外数据，比如 TwitterReceiver 可以实时爬取 twitter 数据 —— 并在 Receiver 实例生成后调用 Receiver.onStart()。

(1)(2) 的过程由上图所示，这时 Receiver 启动工作已运行完毕。

接下来 ReceiverSupervisor 将在 executor 端作为的主要角色，并且：

• (3) Receiver 在 onStart() 启动后，就将持续不断地接收外界数据，并持续交给 ReceiverSupervisor 进行数据转储；
• (4) ReceiverSupervisor 持续不断地接收到 Receiver 转来的数据：
  • 如果数据很细小，就需要 BlockGenerator 攒多条数据成一块(4a)、然后再成块存储(4b 或 4c)
  • 反之就不用攒，直接成块存储(4b 或 4c)
  • 这里 Spark Streaming 目前支持两种成块存储方式，一种是由 blockManagerskManagerBasedBlockHandler 直接存到 executor 的内存或硬盘，另一种由 WriteAheadLogBasedBlockHandler 是同时写 WAL(4c) 和 executor 的内存或硬盘
• (5) 每次成块在 executor 存储完毕后，ReceiverSupervisor 就会及时上报块数据的 meta 信息给 driver 端的 ReceiverTracker；这里的 meta 信息包括数据的标识 id，数据的位置，数据的条数，数据的大小等信息。
• (6) ReceiverTracker 再将收到的块数据 meta 信息直接转给自己的成员 ReceivedBlockTracker，由 ReceivedBlockTracker 专门管理收到的块数据 meta 信息。

这里 (3)(4)(5)(6) 的过程是一直持续不断地发生的，我们也将其在上图里标识出来。

上面的内容我们已经在 [Receiver 分发详解](3.1 Receiver 分发详解.md) 和 [Receiver, ReceiverSupervisor, BlockGenerator, ReceivedBlockHandler 详解](3.2 Receiver, ReceiverSupervisor, BlockGenerator, ReceivedBlockHandler 详解.md) 中介绍过了。

本文我们详解的是 driver 端的 ReceiverTracker 和 ReceivedBlockTracker

ReceiverTracker 详解

ReceiverTracker 在 Spark 1.5.0 版本里的代码变动比较大，不过其主要功能还是没怎么改变，我们一一来看：

• (1) ReceiverTracker 分发和监控 Receiver
  • ReceiverTracker 负责 Receiver 在各个 executor 上的分发
  • 包括 Receiver 的失败重启
• (2) ReceiverTracker 作为 RpcEndpoint
  • ReceiverTracker 作为 Receiver 的管理者，是各个 Receiver 上报信息的入口
  • 也是 driver 下达管理命令到 Receiver 的出口
• (3) ReceiverTracker 管理已上报的块数据 meta 信息

整体来看，ReceiverTracker 就是 Receiver 相关信息的中枢。

(1) ReceiverTracker 分发和监控 Receiver

ReceiverTracker 分发和监控 Receiver 的内容我们已经在 [Receiver 分发详解.md](3.1 Receiver 分发详解.md) 详解过了，我们这里总结一下。

在 ssc.start() 时，将隐含地调用 ReceiverTracker.start()；而 ReceiverTracker.start() 最重要的任务就是调用自己的 launchReceivers() 方法将 Receiver 分发到多个 executor 上去。然后在每个 executor 上，由 ReceiverSupervisor来分别启动一个 Receiver 接收数据。这个过程用下图表示：

而且在 1.5.0 版本以来引入了 ReceiverSchedulingPolicy，是在 Spark Streaming 层面添加对 Receiver 的分发目的地的计算，相对于之前版本依赖 Spark Core 的 TaskScheduler 进行通用分发，新的 ReceiverSchedulingPolicy 会对 Streaming 应用的更好的语义理解，也能计算出更好的分发策略。

并且还通过每个 Receiver 对应 1 个 Job 的方式，保证了 Receiver 的多次分发，和失效后的重启、永活。

从本小节 ReceiverTracker 分发和监控 Receiver 的角度，我们对以前版本的 Spark Streaming(以 1.4.0 为代表)、和新版本的 Spark Streaming(以 1.5.0 为代表)有总结对比：

(2) ReceiverTracker 作为 RpcEndpoint

RpcEndPoint 可以理解为 RPC 的 server 端，供 client 调用。

ReceiverTracker 作为 RpcEndPoint 的地址 —— 即 driver 的地址 —— 是公开的，可供 Receiver 连接；如果某个 Receiver 连接成功，那么 ReceiverTracker 也就持有了这个 Receiver 的 RpcEndPoint。这样一来，通过发送消息，就可以实现双向通信。

1.5.0 版本以来，ReceiverTracker 支持的消息有 10 种，我们进行一个总结：

(3) ReceiverTracker 管理块数据的 meta 信息

一方面 Receiver 将通过 AddBlock 消息上报 meta 信息给 ReceiverTracker，另一方面 JobGenerator 将在每个 batch 开始时要求 ReceiverTracker 将已上报的块信息进行 batch 划分，ReceiverTracker 完成了块数据的 meta 信息管理工作。

具体的，ReceiverTracker 有一个成员 ReceivedBlockTracker，专门负责已上报的块数据 meta 信息管理。

ReceivedBlockTracker 详解

我们刚刚讲到，ReceivedBlockTracker 专门负责已上报的块数据 meta 信息管理，但 ReceivedBlockTracker 本身不负责对外交互，一切都是通过 ReceiverTracker 来转发 —— 这里 ReceiverTracker 相当于是 ReceivedBlockTracker 的门面（可参考 门面模式）。

在 ReceivedBlockTracker 内部，有几个重要的成员，它们的关系如下：

 //TODO(lwlin): 此图风格与本系列文章不符，需要美化

• streamIdToUnallocatedBlockQueues
  • 维护了上报上来的、但尚未分配入 batch 的 Block 块数据的 meta
  • 为每个 Receiver 单独维护一个 queue，所以是一个 HashMap：receiverId → mutable.Queue[ReceivedBlockInfo]
• timeToAllocatedBlocks
  • 维护了上报上来的、已分配入 batch 的 Block 块数据的 meta
  • 按照 batch 进行一级索引、再按照 receiverId 进行二级索引的 queue，所以是一个 HashMap: time → HashMap
• lastAllocatedBatchTime
  • 记录了最近一个分配完成的 batch 是哪个

上面是用于状态记录的主要数据结构。对这些状态存取主要是 4 个方法：

• addBlock(receivedBlockInfo: ReceivedBlockInfo)
  • 收到某个 Receiver 上报上来的块数据 meta 信息，将其加入到 streamIdToUnallocatedBlockQueues 里
• allocateBlocksToBatch(batchTime: Time)
  • 主要是 JobGenerator 在发起新 batch 的计算时，第一步就调用本方法
  • 是将 streamIdToUnallocatedBlockQueues 的内容，以传入的 batchTime 参数为 key，添加到 timeToAllocatedBlocks 里
  • 并更新 lastAllocatedBatchTime
• getBlocksOfBatch(batchTime: Time)
  • 主要是 JobGenerator 在发起新 batch 的计算时，由 DStreamGraph 生成 RDD DAG 实例时，将调用本方法
  • 调用本方法查 timeToAllocatedBlocks，获得划入本 batch 的块数据元信息，由此生成处理对应块数据的 RDD
• cleanupOldBatches(cleanupThreshTime: Time, ...)
  • 主要是当一个 batch 已经计算完成、可以把已追踪的块数据的 meta 信息清理掉时调用
  • 将清理 timeToAllocatedBlocks 表里对应 cleanupThreshTime 之前的所有 batch 块数据 meta 信息

这 4 个方法，和对应信息状态的修改关系如下图总结：

 //TODO(lwlin): 此图风格与本系列文章不符，需要美化

上面即是 ReceivedBlockTracker 的主体内容。

但我们还需要强调一点非常重要的内容，即 ReceivedBlockTracker 需要对 driver 进行容错保障。也就是，如果 driver 失效，新起来的 driver 必须能够通过 WAL 恢复出失效前的 ReceivedBlockTracker 状态，具体的就需要包括 streamIdToUnallocatedBlockQueues, timeToAllocatedBlocks, lastAllocatedBatchTime 等内容，也即需要前面讲的 4 个方法在修改 ReceivedBlockTracker 的状态信息的时候，要首先写入 WAL，才能在失效后从 WAL 恢复出相关信息。

有关 WAL 写入和故障恢复的内容，我们将在 模块 4：长时容错 里系统性的详解。

总结

本文主要详解了 driver 端的 Receiver 管理者 —— ReceiverTracker —— 的主要功能：

• (1) ReceiverTracker 分发和监控 Receiver
  • ReceiverTracker 负责 Receiver 在各个 executor 上的分发
  • 包括 Receiver 的失败重启
• (2) ReceiverTracker 作为 RpcEndpoint
  • ReceiverTracker 作为 Receiver 的管理者，是各个 Receiver 上报信息的入口
  • 也是 driver 下达管理命令到 Receiver 的出口
• (3) ReceiverTracker 管理已上报的块数据 meta 信息
  • 委托给自己的成员 ReceivedBlockManager 进行具体管理