怎么实现Spark的分布式存储系统BlockManager全解析

这篇文章将为大家详细讲解有关怎么实现Spark的分布式存储系统BlockManager全解析，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

创新互联专注于中大型企业的成都网站建设、做网站和网站改版、网站营销服务，追求商业策划与数据分析、创意艺术与技术开发的融合，累计客户上千余家，服务满意度达97%。帮助广大客户顺利对接上互联网浪潮，准确优选出符合自己需要的互联网运用，我们将一直专注品牌网站建设和互联网程序开发，在前进的路上，与客户一起成长！

BlockManager 是 spark 中至关重要的一个组件，在spark的运行过程中到处都有 BlockManager 的身影，只有搞清楚 BlockManager 的原理和机制，你才能更加深入的理解 spark。

§ 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

1. blockManagerMaster在driver端生成

2. executor中生成blockManager，并负责向BMM注册。

3. 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：

1. 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

2. 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

• BM为什么要备份他的block？书里作者没解释，我的理解是为了防止节点崩溃或者丢失，导致中间任务无法继续执行？

• 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

1. blockManagerMaster在driver端生成

2. executor中生成blockManager，并负责向BMM注册。

3. spark中注册消息通过ActorSystem进行发送

关于怎么实现Spark的分布式存储系统BlockManager全解析就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。