(版本定制)第10课：Spark Streaming源码解读

本期内容：

    1、数据接收架构设计模式

    2、数据接收源码彻底研究

1、Receiver接受数据的过程类似于MVC模式：

Receiver，ReceiverSupervisor和Driver的关系相当于Model，Control，View，也就是MVC。

Model就是Receiver，存储数据Control，就是ReceiverSupervisor，Driver是获得元数据，也就是View。

2、数据的位置信息会被封装到RDD里面。

3、Receiver接受数据，交给ReceiverSupervisor去存储数据。

4、ReceiverTracker是通过发送一个又一个的Job，每个Job只有一个Task，每个Task里面就只有一个ReceiverSupervisor，用这个函数启动每一个Receiver。

下面我们简单的看下Receiver启动流程，应用程序首先通过JobScheduler的start方法来启动receiverTracker的start方法：

def start(): Unit = synchronized {
if (eventLoop != null) return // scheduler has already been started

logDebug("Starting JobScheduler")
eventLoop = new EventLoop[JobSchedulerEvent]("JobScheduler") {
override protected def onReceive(event: JobSchedulerEvent): Unit = processEvent(event)

override protected def onError(e: Throwable): Unit = reportError("Error in job scheduler", e)
  }
eventLoop.start()

// attach rate controllers of input streams to receive batch completion updates
for {
    inputDStream <- ssc.graph.getInputStreams
    rateController <- inputDStream.rateController
} ssc.addStreamingListener(rateController)

listenerBus.start(ssc.sparkContext)
receiverTracker = new ReceiverTracker(ssc)
inputInfoTracker = new InputInfoTracker(ssc)
receiverTracker.start() //receiver启动
jobGenerator.start()
  logInfo("Started JobScheduler")
}

通过调用receiverTracker.start()方法来进行一系列的操作：

/** Start the endpoint and receiver execution thread. */
def start(): Unit = synchronized {
if (isTrackerStarted) {
throw new SparkException("ReceiverTracker already started")
  }

if (!receiverInputStreams.isEmpty) {
endpoint = ssc.env.rpcEnv.setupEndpoint(
"ReceiverTracker", new ReceiverTrackerEndpoint(ssc.env.rpcEnv)) //Rpc消息通信，获取receiver的状态
if (!skipReceiverLaunch) launchReceivers() //启动receiver
    logInfo("ReceiverTracker started")
trackerState = Started
}
}

下面通过画图简单的描述下Receiver启动的内部机制：

参考博客：http://blog.csdn.net/hanburgud/article/details/51471047

                 http://lqding.blog.51cto.com/9123978/1774426