spark shuffle写操作——BypassMergeSortShuffleWriter

创建分区文件writer

每一个分区都生成一个临时文件,创建DiskBlockObjectWriter对象,放入partitionWriters

分区writer写入消息

遍历所有消息,每一条消息都使用分区器选择对应分区的writer然后写入

生成分区文件

将分区writer的数据flush,每个分区生成一个FlieSegment,保存在partitionWriterSegments

分区writer的commit

可以看到生成的fileSegment中file还是上面的分区临时文件

合并分区临时文件

遍历分区临时文件,获取对应的合并writer,将临时文件的数据写入到合并writer中

获取合并的writer

生成一个临时文件,多个reducer使用同一个临时文件。

每个分区都会生成一个LocalDiskShufflePartitionWriter

LocalDiskShufflePartitionWriter类核心方法有两个openStream、openChannelWrapper。

两个方法分别调用对应的init方法,返回PartitionWriterStream的stream对象和PartitionWriterChannel的channel对象。

PartitionWriterStream的write方法中使用outputBufferedFileStream,在initStream中可以看到outputBufferedFileStream使用的上面生成的临时文件outputTempFile。

PartitionWriterChannel的channel方法返回的是outputFileChannel,outputFileChannel在initChannel中使用的也是上面生成的临时文件outputTempFile。

这表明无论使用stream还是channel,最后都是写入临时文件outputTempFile中。



临时文件数据写入合并writer

writePartitionedDataWithChannel是使用channel的方式,调用copyFileStreamNIO

writePartitionedDataWithStream是使用stream的方式,调用copyStream

copyFileStreamNIO

可以看到使用了transferTo方法(零拷贝)

copyStream

先判断是否能使用transferTo,能的话就调copyFileStreamNIO用零拷贝的方式,不行的话就走普通的流复制

最终的分区文件提交

将最终的分区临时文件提交,生成对应的data文件和index文件。

可以看到是调用的IndexShuffleBlockResolver类的writeIndexFileAndCommit方法。

相关推荐
isfox4 小时前
Hadoop 版本进化论:从 1.0 到 2.0,架构革命全解析
大数据·后端
Jooolin6 小时前
【Linux】虚拟机、服务器、双系统,谁才是 Ubuntu 的最佳方案?
linux·ubuntu·ai编程
星环科技TDH社区版7 小时前
星环科技产品可存储的表格式功能介绍以及创建示例
大数据·数据库
百度Geek说7 小时前
百度垂搜数据管理系统弹性调度优化实践
大数据·搜索引擎
白鲸开源9 小时前
DSIP-91提案解读:简化工作流调试和发布的方案,等你来探讨!
大数据
K·Herbert11 小时前
最新CentOS 7 yum源失效的解决方案(2025年6月)
linux·运维·centos
C++ 老炮儿的技术栈12 小时前
VSCode -配置为中文界面
大数据·c语言·c++·ide·vscode·算法·编辑器
别骂我h12 小时前
部署KVM虚拟化平台
linux·运维·服务器
繢鴻12 小时前
紧急救援!Ubuntu崩溃修复大赛
linux·服务器·ubuntu
白鲸开源12 小时前
SQL Server CDC 机制全解:如何用 SeaTunnel 构建高效实时数据同步方案
大数据