spark 源码导读5 列举spark引用的框架和算法

     谈起spark，我们首先想到的是其运算速度的提升上，另外是其支持批处理、交互式、迭代和流计算等，其实spark还有一个很大的优势是其源码的数量上，非常精简，这对于我们阅读源码，在心理上克服了一个很大的障碍。为什么会这样？ 一方面是spark采用了高效（主要从代码量上说）的scala语言编写，另一方面是spark站在了巨人的肩膀上，当然这也使得我们在读其源码时，可能会困惑于其中的一些词，如avro, REST等。这篇文章就是想对其引用的框架和算法做一个分类汇总，以方便更好的理解spark源码。

　资源管理与调度：

　　MESOS

　　YARN

 

　Master HA：

　　Zookeeper

 

　web框架或协议：

　　REST

　　JETTY  是一个用 Java 实现、开源、基于标准的，并且具有丰富功能的 Http 服务器和 Web 容器，可以免费的用于商业行为。Jetty 这个项目成立于 1995 年，现在已经有非常多的成功产品基于 Jetty，比如 Apache Geromino， JBoss， IBM Tivoli， Cisco SESM 等。Jetty 可以用来作为一个传统的 Web 服务器，也可以作为一个动态的内容服务器，并且 Jetty 可以非常容易的嵌入到 Java 应用程序当中。 

　　spark将相关方法进一步封装在org.apache.spark.ui.JettyUtils类中。

　

　序列化：

　　avro

　　kryo 是一个快速高效的Java对象图形序列化框架，它原生支持java，且在java的序列化上甚至优于google著名的序列化框架protobuf。由于protobuf需要编写Schema文件（.proto），且需静态编译。

　　

  def registerKryoClasses(classes: Array[Class[_]]): SparkConf = {
    val allClassNames = new LinkedHashSet[String]()
    allClassNames ++= get("spark.kryo.classesToRegister", "").split(',').filter(!_.isEmpty)
    allClassNames ++= classes.map(_.getName)

    set("spark.kryo.classesToRegister", allClassNames.mkString(","))
    set("spark.serializer", classOf[KryoSerializer].getName)
    this
  }

　　用法：

Kryo kryo = new Kryo();
// ...
Output output = new Output(new FileOutputStream("file.bin"));
SomeClass someObject = ...
kryo.writeObject(output, someObject);
output.close();
// ...
Input input = new Input(new FileInputStream("file.bin"));
SomeClass someObject = kryo.readObject(input, SomeClass.class);
input.close();

　　

　算法：

　　pagerank

　　pregal

 

附：这篇文章会持续更新的。