Spark RPC框架源码分析（一）简述

Spark RPC系列：

• Spark RPC框架源码分析（一）运行时序
• Spark RPC框架源码分析（二）运行时序
• Spark RPC框架源码分析（三）运行时序

一. Spark rpc框架概述

Spark是最近几年已经算是最为成功的大数据计算框架，那么这次我们就来介绍它内部的一个小点，Spark RPC框架。

在介绍之前，我们需要先说明什么是RPC，引用百度百科：

RPC（Remote Procedure Call）—远程过程调用，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在，如TCP或UDP，为通信程序之间携带信息数据。

Spark RPC可以说是Spark分布式集群的基础，若是将Spark类比为一个人的话，Spark RPC无疑就是它的血液部分。而在Spark1.6之前，它的RPC部分还是用akka实现的，但之后底层就换成了netty来实现。为什么要这样做呢？因为啊，这样将Spark和Akka耦合在了一起，如果你系统本身就有使用到Akka，然后又想使用Spark的话，那两个Akka框架版本不一致可怎么办呀，这无疑是很让人头痛的。Spark团队正是考虑到了这一点，所以将Akka替换成了netty。

这次我们就来看看Spark是如何让它的血液流动起来的吧。有一位大神将Spark RPC中的RPC部分剥离出来，弄成一个新的可运行的　RPC　项目，这个项目本身就可以当作一个简易的Akka来使用，地址在这Spark RPC。

虽然名字不一样，但这个项目的类和内容基本和Spark Core中RPC部分的代码和结构基本是一样的，这样我们就可以通过这个来学习Spark RPC框架。

PS：所用spark版本：spark2.1.0

二.Spark RPC中的 Hello world

我们程序员学东西最喜欢从一个Hello world开始，那么接下来我们就来演示如何下载并运行最简单的Hello World例子吧。

首先，我使用的编译器是IDEA，通过idea将github上的代码clone下来。

可以看到项目目录下有两个模块，

• kraps-rpc
• kraps-rpc-example

kraps-rpc存放的是Spark RPC的源代码，而我们要做的即是运行 kraps-rpc-example中的示例代码。

启动PRC的话首先需要启动Server端，开启监听服务，然后才能通过Client进行访问。这里在HelloworldServer.scala中都已经帮我们写好，不过在main方法中需要修改一下内容，就是将host改为本机地址。

  def main(args: Array[String]): Unit = {
//    val host = args(0)
    val host = "localhost"
    val config = RpcEnvServerConfig(new RpcConf(), "hello-server", host, 52345)
    val rpcEnv: RpcEnv = NettyRpcEnvFactory.create(config)
    val helloEndpoint: RpcEndpoint = new HelloEndpoint(rpcEnv)
    rpcEnv.setupEndpoint("hello-service", helloEndpoint)
    rpcEnv.awaitTermination()
  }

然后我们只需要右键该文件然后执行即可。

接下来我们就需要启动Client端代码，我们先到HelloworldClient文件中，这里面提供了同步和异步两个方法可以运行。代码同样都已经写好，通过修改注释即可使用不同的方法运行。同样是右键点击该文件执行。

  def main(args: Array[String]): Unit = {
    //异步方法
    //asyncCall()
    //同步方法
    syncCall()
  }

异步方法中，ask会返回一个Future（注意这里的Future是scala中的Future，和java的是不一样的）。并且在Future运行结果出来前，我们可以去做其他事情（异步的优势所在）。scala中的Future和Java的Future有些不同，不过这可以先不去管，先当作Java里面的Future即可。

  def asyncCall() = {
    val rpcConf = new RpcConf()
    val config = RpcEnvClientConfig(rpcConf, "hello-client")
    val rpcEnv: RpcEnv = NettyRpcEnvFactory.create(config)
    val endPointRef: RpcEndpointRef = rpcEnv.setupEndpointRef(RpcAddress("localhost", 52345), "hello-service")
    val future: Future[String] = endPointRef.ask[String](SayHi("neo"))
    future.onComplete {
      case scala.util.Success(value) => println(s"Got the result = $value")
      case scala.util.Failure(e) => println(s"Got error: $e")
    }
    Await.result(future, Duration.apply("3s"))
    //在future结果运行出来前，会先打印这条语句。
    println("print me at first!")
    Thread.sleep(7)
  }

而同步方法是直接将结果返回，并且会阻塞，这个时间内你无法做其他事情，只能等待，直到结果返回。

  def syncCall() = {
    val rpcConf = new RpcConf()
    val config = RpcEnvClientConfig(rpcConf, "hello-client")
    val rpcEnv: RpcEnv = NettyRpcEnvFactory.create(config)
    val endPointRef: RpcEndpointRef = rpcEnv.setupEndpointRef(RpcAddress("localhost", 52345), "hello-service")
    val result = endPointRef.askWithRetry[String](SayBye("neo"))
    println(result)

  }

很简单是吧，运行过例子后，我们就可以来了解一些Spark RPC运行过程中至关重要的两个编程模型，以及在这其中使用到的一些主要的类。

三.Spark RPC中的两个编程模型以及各个类

Spark RPC是使用了Actor模型和Reactor模型的混合模式，我们结合两种模型分别说明Spark RPC中各个类的作用：

首先我们先来看Spark RPC的类图。

是不是感觉很乱？没事，我们来逐步剖析各个类。

为了更加清楚了说明各个类的关系，我们要先知道两个模型，分别是Actor模型和Reactor模型，我们将从这两个模型的角度来拆解各个类的关系。

Actor模型

其实之前也有写过一篇介绍Actor模型的文章，感兴趣的同学可以点击这里查看Actor模型浅析。

其实Actor主要就是这副图的内容：



在Spark RPC中有几个类分别与Actor模型中的各个角色对应，对应如下，左边的是Spark RPC中的类，右边的是Actor模型中的角色：

RpcEndpoint => Actor

RpcEndpointRef => ActorRef

RpcEnv => ActorSystem

我们逐个来看：

RpcEnv --RPC Environment

RPC Environment 是 RpcEndpoint 的运行环境。它管理 RpcEndpoint 的整个生命周期：

1. 通过名字或 URI 注册 RpcEndpoint。
2. 对到底的消息进行路由，决定分发给哪个 RpcEndpoint。
3. 停止 RpcEndpoint。

RPC Environment在akka已经被移除的2.0后面版本中，RPC Environment的实现类是NettyRpcEnv。通常是由NettyRpcEnvFactory.create创建。

RpcEndpoint

RpcEndpoint能通过callbacks接收消息。通常需要我们自己写一个类继承RpcEndpoint。编写自己的接收信息和返回信息规则。

RpcEndpoint的生命周期被RPC Environment管理。其生命周期包括，onStart,receive和onStop。

它是作为服务端，比如上面例子中的HelloworldServer就是一个RpcEndpoint。

RpcEndpointRef

RpcEndpointRef是RpcEndpoint在RPC Environment中的一个引用。

它包含一个地址（即Spark URL）和名字。RpcEndpointRef作为客户端向服务端发送请求并接收返回信息，通常可以选择使用同步或异步的方式进行发送。

Reactor模型

Spark RPC采用Actor模型和Reactor模型混合的结构，上面已经介绍了Actor，那么现在我们就来介绍Reactor模型，同样，我们可以从一张图来看Reactor的架构。

使用Reactor模型，由底层netty创建的EventLoop做I/O多路复用，这里使用Multiple Reactors这种形式，如上图所示，从netty的角度而言，Main Reactor和Sub Reactor对应BossGroup和WorkerGroup的概念，前者负责监听TCP连接、建立和断开，后者负责真正的I/O读写。

而图中的ThreadPool就是的Dispatcher中的线程池，它来解耦开来耗时的业务逻辑和I/O操作，这样就可以更scalabe，只需要少数的线程就可以处理成千上万的连接，这种思想是标准的分治策略，offload非I/O操作到另外的线程池。

Dispatcher

Dispatcher的主要作用是保存注册的RpcEndpoint、分发相应的Message到RpcEndPoint中进行处理。Dispatcher即是上图中ThreadPool的角色。它同时也维系一个threadpool，用来处理每次接受到的InboxMessage。而这里处理InboxMessage是通过inbox实现的。

Inbox

Inbox其实属于Actor模型，是Actor中的信箱，不过它和Dispatcher联系紧密所以放这边。

InboxMessage有多个实现它的类，比如OneWayMessage，RpcMessage，等等。Dispatcher会将接收到的InboxMessage分发到对应RpcEndpoint的Inbox中，然后Inbox便会处理这个InboxMessage。

OK，这次就先介绍到这里，下次我们从代码的角度来看Spark RPC的运行机制

如果觉得对你有帮助，不妨关注一波吧~~

参考资料：https://zhuanlan.zhihu.com/p/28893155

---

推荐阅读：

从分治算法到 MapReduce

Actor并发编程模型浅析

大数据存储的进化史 --从 RAID 到 Hadoop Hdfs

一个故事告诉你什么才是好的程序员