Spark-RPC理解

时间：2022-03-08 08:08:15

基本架构

Akka Actor式RPC架构

  1. Spark采用的是AkkaActor架构实现RPC，但是实际使用过程为了兼容不同节点之间的文件下载，采用Netty来实现Actor功能。
  2. Spark RPC由三部分组成：
  • RpcEnv RPC的执行上下文，等同于ActorSystem,用于管理RpcEndpoint和RpcEndpointRef
  • RpcEndpoint RPC通信实体的抽象，等同于Actor，用于接收客户端发送来的请求，方法主要有receive,onConnected, onDisconnnected, onStart, onStop, onError等
  • RpcEndpointRef RPC通信实体的引用，等同于ActorRef，在客户端被调用，用来向服务端请求，主要方法是ask和askWithRetry

核心组件

Dispatcher

  • InboxMessage: 外部发送过来的消息(onStart, onStop, RPCMessage, OneWayMessage...)
  • EndpointData: 包装(RpcEndpoint, NettyRpcEndpointRef, Inbox(InboxMessge队列))
  • MessageLoop: 通过线程池调度，读取阻塞队列中是否有消息，有的话就直接读取，否则阻塞
  • Inbox来源（消息来源）:
  • [x] - 注册RpcEndpoint（会生成OnStart消息）
  • [x] - 去注册RpcEndpoint(会生成onStop消息)
  • [x] - postMessage, 投递消息给指定的RpcEndpoint
  • [x] - 停止Dispatcher

TransportClientFactory

RPC客户端的工厂类，用于批量生成TransportClient

  • ClientPool，ClientFactory内部通过<sokectAddress, ClientPool> 建立套接字(Socket网络连接)与ClientPool(TransportClient)的关联，同时通过object与TransportClient建立1V1的锁关联关系；即对于一个socket，会有多个TransportClient与其关联，spark通过每一个TransportClient使用不同的lock(object)，来进行并行，本质还是一个利用线程池（连接缓冲池）的思想

    其类型定义为
class TransClientFactory {

    ConcurrentHashMap<SocketAddress, ClientPool> connectionPool;

}

class ClientPool {

    TransportClient[] clients;

    Object[] locks;

}
  • TransportClient

    包含5种发送消息的方法: fetchChunk, stream, sendRPC, sendRPCSyns, send
  • TransportClientBootstrap 由TransportContext传入，启动加载（如 SAAL和加密认证之类的启动操作）

TransportContext

通过createClientFactory创建TransportClientFactory，间接通过createClient创建TransportClient; 通过createServer创建TransServer实例

  • TransportConf 配置稳健加载
  • RpcHandler，是一个abstract类，实现类为NettyRpcHandler,internalReceive负责将ByteBuffer转换成RequestMessage; postMessage用于投递消息， 然后交由对应的RPCEndpoint处理
val msgDispatch = internalReceive(client, message)

dispatcher.postMessage(msgDispatch, callback)
  • NettyStreamMessage: 提供文件服务能力

NettyRPCEnv

  • timeoutScheduler 超时请求的调度器，使用的ScheduleredExcutorService
  • clientConnectExecutor
  • outboxes: 在send()时在messages中add消息，然后调用drainOutbox()循环遍历发送messages中所有消息;drainOutbox()在没有client时会调用launchuConnectTask()创建TransportClient
private val outboxes = new ConcurrentHashMap[RpcAddress, Outbox]()

class Outbox {

    nettyEnv;   //所在环境

    address;    //远端NettyRpcEnv地址

    messages;   //向外发送的消息列表

    client; // TransportClient

    connectFuture; //连接任务的Future引用

    stopped; //是否停止

    draining;   //Outbox正有线程处理消息

}
  • RPC客户端发送请求流程
  1. 调用NettyRpcEndpointRef的send/ask方法向RpcEndpoint发送消息;

    a) 如果是同一节点，直接使用Dispatcher的postLocalMessage和postOneWayMessage，直接将消息放入EndpointData的Inbox中；

    b) 如果发送方在远处，将消息封装成OutboxMessage，放入远端RpcEndpoint对应的Outbox的messages列表中；
  2. Outbox的drainOutbox循环从messages获取OutboxMessage，调用TransportClient向远端发送消息;
  3. 与远端的TransportServer建立连接之后，经Netty管道，NettyRpcHandler处理，投递到远端的Dispatcher的EndpointData的Inbox中进行处理

TransportServer

-TransportRequestHandler：主要是handle()方法，该方法根据request的类型，调用不同的 processXX()方法进行处理

processFetchRequest 处理获取块请求

processRPCRequest 处理RPC请求

processStreamRequest 处理Stream请求

processOneWayMessage 处理无需回复的请求

RPC服务端实现

  • TransportServer

要点总结

  1. Spark RPC是用Netty实现了数据流传输，以及Actor这种RPC框架的，其中NettyRpcEnv相当于ActorySysm, RpcEndpoint相当于Actor（远端的服务，或者说接口，注册在服务端）, RpcEndpointRef相当于ActorRef（服务引用，在客户端使用），双方通信通过Message这个载体;
  2. 客户端发送消息时，通过<address, Outbox[messages, client]>这种结构，向address不断地发送消息；
  3. 服务端通过NettyRpcHandler进行消息的receive，转换成InboxMessage，放入Dispatcher中，Dispatcher使用messageLoop循环遍历Inbox，取出InboxMessage，根据消息路由，调用相应方法进行处理，即路由功能

相关文章