【Spark2.0源码学习】-2.一切从脚本说起

从脚本说起

     在看源码之前，我们一般会看相关脚本了解其初始化信息以及Bootstrap类，Spark也不例外，而Spark我们启动三端使用的脚本如下：

• %SPARK_HOME%/sbin/start-master.sh
• %SPARK_HOME%/sbin/start-slaves.sh
• %SPARK_HOME%/sbin/start-all.sh
• %SPARK_HOME%/bin/spark-submit

 

     三端启动脚本中对于公共处理部分进行抽取为独立的脚本，如下：

     

spark-config.sh	初始化环境变量 SPARK_CONF_DIR, PYTHONPATH
bin/load-spark-env.sh	初始化环境变量SPARK_SCALA_VERSION， 调用%SPARK_HOME%/conf/spark-env.sh加载用户自定义环境变量
conf/spark-env.sh	用户自定义配置

 

    接下来针对于一些重要的脚本进行一一描述

一. start-daemon.sh

     主要完成进程相关基本信息初始化，然后调用bin/spark-class进行守护进程启动，该脚本是创建端点的通用脚本，三端各自脚本都会调用spark-daemon.sh脚本启动各自进程

     

• 初始化 SPRK_HOME，SPARK_CONF_DIR，SPARK_IDENT_STRING，SPARK_LOG_DIR环境变量（如果不存在）
• 初始化日志并测试日志文件夹读写权限,初始化PID目录并校验PID信息
• 调用/bin/spark-class脚本，/bin/spark-class见下

 

二. bin/spark-class

• master调用举例：bin/spark-class --class org.apache.spark.deploy.master.Master --host $SPARK_MASTER_HOST --port $SPARK_MASTER_PORT --webui-port $SPARK_MASTER_WEBUI_PORT $ORIGINAL_ARGS

• 初始化 RUNNER（java）,SPARK_JARS_DIR（%SPARK_HOME%/jars）,LAUNCH_CLASSPATH信息
• 调用（ "$RUNNER" -Xmx128m -cp "$LAUNCH_CLASSPATH" org.apache.spark.launcher.Main "$@"）获取最终执行的shell语句
• 执行最终的shell语句（比如：/opt/jdk1.7.0_79/bin/java -cp /opt/spark-2.1.0/conf/:/opt/spark-2.1.0/jars/*:/opt/hadoop-2.6.4/etc/hadoop/ -Xmx1g -XX:MaxPermSize=256m org.apache.spark.deploy.master.Master --host zqh --port 7077 --webui-port 8080），如果是Client，那么可能为r，或者python脚本

 

三. start-master.sh

     启动Master的脚本，流程如下：

     

• 用户执行start-master.sh脚本，初始化环境变量SPARK_HOME （如果PATH不存在SPARK_HOME,初始化脚本的上级目录为SPARK_HOME），调用spark-config.sh，调用load-spark-env.sh
• 如果环境变量SPARK_MASTER_HOST， SPARK_MASTER_PORT，SPARK_MASTER_WEBUI_PORT不存在，进行初始化7077，hostname -f，8080
• 调用spark-daemon.sh脚本启动master进程（spark-daemon.sh start org.apache.spark.deploy.master.Master 1 --host $SPARK_MASTER_HOST --port $SPARK_MASTER_PORT --webui-port $SPARK_MASTER_WEBUI_PORT $ORIGINAL_ARGS）

 

四. start-slaves.sh

     启动Worker的脚本，流程如下：

    

• 用户执行start-slaves.sh脚本，初始化环境变量SPARK_HOME，调用spark-config.sh，调用load-spark-env.sh，初始化Master host/port信息，
• 调用slaves.sh脚本，读取conf/slaves文件并遍历，通过ssh连接到对应slave节点，启动 ${SPARK_HOME}/sbin/start-slave.sh spark://$SPARK_MASTER_HOST:$SPARK_MASTER_PORT
• start-slave.sh在各个节点中，初始化环境变量SPARK_HOME，调用spark-config.sh，调用load-spark-env.sh，根据$SPARK_WORKER_INSTANCES计算WEBUI_PORT端口（worker端口号依次递增 ）并启动Worker进程（${SPARK_HOME}/sbin /spark-daemon.sh start org.apache.spark.deploy.worker.Worker $WORKER_NUM  --webui-port "$WEBUI_PORT" $PORT_FLAG $PORT_NUM $MASTER "$@"）

     

五. start-all.sh

     属于快捷脚本，内部调用start-master.sh与start-slaves.sh脚本,并无额外工作

 

六.bin/spark-submit

     任务提交的基本脚本，流程如下：

          

• 直接调用spark-class脚本进行进程创建（./spark-submit --class org.apache.spark.examples.SparkPi --master spark://zqh:7077 ../examples/jars/spark-examples_2.11-2.1.0.jar 10）
• 如果是java/scala任务，那么最终调用SparkSubmit.scala进行任务处理（/opt/jdk1.7.0_79/bin/java -cp /opt/spark-2.1.0/conf/:/opt/spark-2.1.0/jars/*:/opt/hadoop-2.6.4/etc/hadoop/ -Xmx1g -XX:MaxPermSize=256m org.apache.spark.deploy.SparkSubmit --master spark://zqh:7077 --class org.apache.spark.examples.SparkPi ../examples/jars/spark-examples_2.11-2.1.0.jar 10）

 

七.总结

     三端在的脚本主要进行多方面抽取，使代码更加精炼

• 公共的环境变量由spark-config.sh，bin/load-spark-env.sh进行统一的处理
• 扩在由conf/spark-env.sh进行配置读取实现
• 守护进程由spark-daemon.sh进行创建，进行相关的log，pid前置处理
• spark-class.sh是公共的处理入口脚本
• Main.java负责对参数的解析组装
• 最后执行组装好的command，其中支持scala/java/python/r