distantlight1
- 浏览: 43645 次
- 性别:
- 来自: 上海
-
最新评论
文章列表
1.问题背景
kafka是以高吞吐量著称的，但日前解决一个实际问题中，发现使用不当仍会无法充分利用起吞吐量。我们的场景如下：
有两个kafka集群，需要从上游kafka读一个topic的消息，做一些自定义处理，再写到下游kafka的特定topic（有人说用flume，确实可以，不过自定义处理比较复杂的时候用flume就有点麻烦了）
这里集中在写这一端（读没有问题），开始使用最简单的方式，配一个Producer的bean，然后Producer.send()写下游。压测的时候发现写出去的流量很低，单进程出口流量大概只有1-2Mbps，低的难以接受
2.配置项
开始以为是配置有问题 ...
1.背景
spark streaming有状态计算（如UV）通常采用DStream.updateStateByKey（实际是PairDStreamFunctions增强到DStream的），具体实现网上讲的很多。spark streaming是持续计算，有状态时不能通过简单的DAG/lineage容错，所以必须设置checkpoint（否则Job启动会报错）
checkpoint会持久化当批次RDD的快照、未完成的Task状态等。SparkContext通过checkpoint可以重建DStream，即使Driver宕机，重启后仍可用SparkContext.getOrElse从chec ...
引子：在使用spark和hadoop的时候，遇到一些进程退出时的报错。因此顺便研究了一下jvm以及一些开源框架的关闭钩子的机制。这篇文章不涉及底层native实现，仅限Java层面
1.jvm关闭钩子
注册jvm关闭钩子通过Runtime.addShutdownHook()，实际调用ApplicationShutdownHooks.add()。后者维护了一个钩子集合IdentityHashMap<Thread, Thread> hooks
ApplicationShutdownHooks类初始化的时候，会注册一个线程到Shutdown类
static {
...
在做一些后台服务的时候，有时候需要一些轻量级的Http入口，以便通过浏览器就能实现便捷的后台功能，例如
1.监控服务运行状态，如服务存在性、版本、配置、性能等
2.手动触发一些功能入口（特别适合测试环境的冒烟测试）
3.支持一些紧急操作，例如手动清缓存，有时候排查问题有用
这些操作通常数量不多，也没什么并发，专门搭一套web框架（如tomcat+spring mvc）有点浪费，一点不封装又不方便。以下用netty+javassist实现一个简单的http服务框架，使得在使用上达到接近spring mvc的体验。这里还使用了spring-bean，但只是为了托管实例方便，如 ...
最近在集群上跑spark时发现有些reduceByKey操作结果不符合预期，大致伪代码如下（公司统一用java，就没写成scala，用了scala的简写节省字数）。就是类似WordCount的简单计算，DimType是一个枚举类
JavaPairRDD<DimType, Long> rawRdd=...;
JavaPairRDD<DimType, Long> reducedRdd = entryPairRDD
.reduceByKey(_+_);
List<Tuple2& ...
spark源码梳理(1)-Action提交2
- 博客分类：
- spark
续上篇
Step 5-TaskSchedulerImpl
override def submitTasks(taskSet: TaskSet) {
val tasks = taskSet.tasks
logInfo("Adding task set " + taskSet.id + " with " + tasks.length + " tasks")
this.synchronized {
// 创建TaskSetManager
val manager = createTaskSet ...
1.概述
Action算子是触发Spark计算的入口，属于Spark核心逻辑。本文梳理Action触发、计算、返回的整个数据流
本文涉及代码主体位于org.apache.spark.scheduler/rdd/executor几个模块。核心类：RDD、SparkContext、DAGScheduler、TaskSchedulerImpl、C ...
本系列文章为对Spark主要逻辑源码学习整理。主要参考《Spark技术内幕》一书（简称《内幕》）。《内幕》主要以源码模块为主线进行横向解析。本文则致力于由“事件”触发的纵向逻辑为主线，例如Action算子、Transform算子、集群启动等，这个角度基本Spark运行时的调用栈。各主线直接没有必然的先后联系
如无特别说明，本文基于Spark 2.10版本源码，并且仅讨论Standalone部署模式
文章内黄底部分表示重要调用栈逻辑，绿底部分表示比较重要但属其他模块逻辑，当前文章不做展开
除源码外，主要内容在注释中说明。包括对源码注释的翻译以及个人说明
例如
// ...
再接上篇，HashMap的最后一部分源码
主要是TreeNode逻辑实现，其中包含红黑树增删的相关算法（具体可以参考红黑树的相关介绍）
/**
* TreeNode的Entry类
*
* TreeNode维持为红黑树，保证树的高度为O(logN)，并按hashC ...
本文是上一篇的继续，补全HashMap剩余部分源码
主要是KeySet实现以及一些java8特性方法签名（实现省略了）
/**
* 返回键值集合的一个视图
*
* <pre>
* 实际是实现key集合的一个引用迭代子，HashMap本身的变更可以在keySet中直接反映出来
*
* 如果HashMap在keySet在遍历过程中发生改变（keySet本身的remove除外），则遍历会失败（fast-fail）
*
* 注意keySet不是一个全功能的java.util.S ...
HashMap是最常用的Map实现
因为源码很长，先列举一些关键点。这些信息在常规使用中可能不容易被了解到
1.HashMap中的元素按照hash值分为不同的“桶”（bin），如果散列特性好，元素在桶中分布会比较均匀
2.实际存储用的has ...
Ehcache支持方法注解方式管理缓存，使代码的侵入性很小。最常用的Ehcache注解是@Cacheable、@CacheEvict、@CachePut
本文通过分析源码整理了这几个注解的实现逻辑和关系，并指出一些组合使用时的限制
1注解类源码
1.1@Cacheable
/**
...
本分类是对Java一些基础类源码的学习记录
很多平时用惯的类和方法，细看源码的话还是有不少细节和优化的（虽然用的时候很多时候不需要想这么多）。作为一个语言的基础代码，需要考虑非常全面；同时一些细小的优化可能带来很大的不同（因为使用的地方特别多），所以很多方面还是值得学习的，对于自己开发基础服务/基础模块是很有帮助的
文章内容主要是以对源码注释文档的翻译为主，也包含一些自己的理解