默认配置情况下，Spark在Shuffle过程中会使用SortShuffleManager来管理Shuffle过程中需要的基本组件，以及对RDD各个Partition数据的计算。我们可以在Driver和Executor对应的SparkEnv对象创建过程中看到对应的配置，如下代码所示：

1. // Let the user specify short names for shuffle managers 
2.     val shortShuffleMgrNames = Map( 
3.       "sort" -> classOf[org.apache.spark.shuffle.sort.SortShuffleManager].getName, 
4.       "tungsten-sort" -> classOf[org.apache.spark.shuffle.sort.SortShuffleManager].getName) 
5.     val shuffleMgrName = conf.get("spark.shuffle.manager", "sort") 
6.     val shuffleMgrClass = shortShuffleMgrNames.getOrElse(shuffleMgrName.toLowerCase, shuffleMgrName) 
7.     val shuffleManager = instantiateClass[ShuffleManager](shuffleMgrClass) 

如果需要修改ShuffleManager实现，则只需要修改配置项spark.shuffle.manager即可，默认支持sort和 tungsten-sort，可以指定自己实现的ShuffleManager类。

因为Shuffle过程中需要将Map结果数据输出到文件，所以需要通过注册一个ShuffleHandle来获取到一个ShuffleWriter对象，通过它来控制Map阶段记录数据输出的行为。其中，ShuffleHandle包含了如下基本信息：

• shuffleId：标识Shuffle过程的唯一ID
• numMaps：RDD对应的Partitioner指定的Partition的个数，也就是ShuffleMapTask输出的Partition个数
• dependency：RDD对应的依赖ShuffleDependency

下面我们看下，在SortShuffleManager中是如何注册Shuffle的，代码如下所示：

1. override def registerShuffle[K, V, C]( 
2.       shuffleId: Int, 
3.       numMaps: Int, 
4.       dependency: ShuffleDependency[K, V, C]): ShuffleHandle = { 
5.     if (SortShuffleWriter.shouldBypassMergeSort(SparkEnv.get.conf, dependency)) { 
6.       new BypassMergeSortShuffleHandle[K, V]( 
7.         shuffleId, numMaps, dependency.asInstanceOf[ShuffleDependency[K, V, V]]) 
8.     } else if (SortShuffleManager.canUseSerializedShuffle(dependency)) { 
9.       new SerializedShuffleHandle[K, V]( 
10.         shuffleId, numMaps, dependency.asInstanceOf[ShuffleDependency[K, V, V]]) 
11.     } else { 
12.       new BaseShuffleHandle(shuffleId, numMaps, dependency) 
13.     } 
14.   } 

上面代码中，对应如下3种ShuffleHandle可以选择，说明如下：

• BypassMergeSortShuffleHandle

如果dependency不需要进行Map Side Combine，并且RDD对应的ShuffleDependency中的Partitioner设置的Partition的数量(这个不要和parent RDD的Partition个数混淆，Partitioner指定了map处理结果的Partition个数，每个Partition数据会在Shuffle过程中全部被拉取而拷贝到下游的某个Executor端)小于等于配置参数spark.shuffle.sort.bypassMergeThreshold的值，则会注册BypassMergeSortShuffleHandle。默认情况下，spark.shuffle.sort.bypassMergeThreshold的取值是200，这种情况下会直接将对RDD的 map处理结果的各个Partition数据写入文件，并最后做一个合并处理。

• SerializedShuffleHandle

如果ShuffleDependency中的Serializer，允许对将要输出数据对象进行排序后，再执行序列化写入到文件，则会选择创建一个SerializedShuffleHandle。

• BaseShuffleHandle

除了上面两种ShuffleHandle以后，其他情况都会创建一个BaseShuffleHandle对象，它会以反序列化的格式处理Shuffle输出数据。

Map阶段处理流程分析

Map阶段RDD的计算，对应ShuffleMapTask这个实现类，它最终会在每个Executor上启动运行，每个ShuffleMapTask处理RDD的一个Partition的数据。这个过程的核心处理逻辑，代码如下所示：

1. val manager = SparkEnv.get.shuffleManager 
2.       writer = manager.getWriter[Any, Any](dep.shuffleHandle, partitionId, context) 
3.       writer.write(rdd.iterator(partition, context).asInstanceOf[Iterator[_ <: Product2[Any, Any]]]) 

上面代码中，在调用rdd的iterator()方法时，会根据RDD实现类的compute方法指定的处理逻辑对数据进行处理，当然，如果该Partition对应的数据已经处理过并存储在MemoryStore或DiskStore，直接通过BlockManager获取到对应的Block数据，而无需每次需要时重新计算。然后，write()方法会将已经处理过的Partition数据输出到磁盘文件。

在Spark Shuffle过程中，每个ShuffleMapTask会通过配置的ShuffleManager实现类对应的ShuffleManager对象(实际上是在SparkEnv中创建)，根据已经注册的ShuffleHandle，获取到对应的ShuffleWriter对象，然后通过ShuffleWriter对象将Partition数据写入内存或文件。所以，接下来我们可能关心每一种ShuffleHandle对应的ShuffleWriter的行为，可以看到SortShuffleManager中获取到ShuffleWriter的实现代码，如下所示：

1. /** Get a writer for a given partition. Called on executors by map tasks. */ 
2.   override def getWriter[K, V]( 
3.       handle: ShuffleHandle, 
4.       mapId: Int, 
5.       context: TaskContext): ShuffleWriter[K, V] = { 
6.     numMapsForShuffle.putIfAbsent( 
7.       handle.shuffleId, handle.asInstanceOf[BaseShuffleHandle[_, _, _]].numMaps) 
8.     val env = SparkEnv.get 
9.     handle match { 
10.       case unsafeShuffleHandle: SerializedShuffleHandle[K @unchecked, V @unchecked] => 
11.         new UnsafeShuffleWriter( 
12.           env.blockManager, 
13.           shuffleBlockResolver.asInstanceOf[IndexShuffleBlockResolver], 
14.           context.taskMemoryManager(), 
15.           unsafeShuffleHandle, 
16.           mapId, 
17.           context, 
18.           env.conf) 
19.       case bypassMergeSortHandle: BypassMergeSortShuffleHandle[K @unchecked, V @unchecked] => 
20.         new BypassMergeSortShuffleWriter( 
21.           env.blockManager, 
22.           shuffleBlockResolver.asInstanceOf[IndexShuffleBlockResolver], 
23.           bypassMergeSortHandle, 
24.           mapId, 
25.           context, 
26.           env.conf) 
27.       case other: BaseShuffleHandle[K @unchecked, V @unchecked, _] => 
28.         new SortShuffleWriter(shuffleBlockResolver, other, mapId, context) 
29.     } 
30.   } 

我们以最简单的SortShuffleWriter为例进行分析，在SortShuffleManager可以通过getWriter()方法创建一个SortShuffleWriter对象，然后在ShuffleMapTask中调用SortShuffleWriter对象的write()方法处理Map输出的记录数据，write()方法的处理代码，如下所示：

1. /** Write a bunch of records to this task's output */ 
2.   override def write(records: Iterator[Product2[K, V]]): Unit = { 
3.     sorter = if (dep.mapSideCombine) { 
4.       require(dep.aggregator.isDefined, "Map-side combine without Aggregator specified!") 
5.       new ExternalSorter[K, V, C]( 
6.         context, dep.aggregator, Some(dep.partitioner), dep.keyOrdering, dep.serializer) 
7.     } else { 
8.       // In this case we pass neither an aggregator nor an ordering to the sorter, because we don't 
9.       // care whether the keys get sorted in each partition; that will be done on the reduce side 
10.       // if the operation being run is sortByKey. 
11.       new ExternalSorter[K, V, V]( 
12.         context, aggregator = None, Some(dep.partitioner), ordering = None, dep.serializer) 
13.     } 
14.     sorter.insertAll(records) 
15.  
16.     // Don't bother including the time to open the merged output file in the shuffle write time, 
17.     // because it just opens a single file, so is typically too fast to measure accurately 
18.     // (see SPARK-3570). 
19.     val output = shuffleBlockResolver.getDataFile(dep.shuffleId, mapId) 
20.     val tmp = Utils.tempFileWith(output) 
21.     val blockId = ShuffleBlockId(dep.shuffleId, mapId, IndexShuffleBlockResolver.NOOP_REDUCE_ID) 
22.     val partitionLengths = sorter.writePartitionedFile(blockId, tmp) 
23.     shuffleBlockResolver.writeIndexFileAndCommit(dep.shuffleId, mapId, partitionLengths, tmp) 
24.     mapStatus = MapStatus(blockManager.shuffleServerId, partitionLengths) 
25.   } 

从SortShuffleWriter类中的write()方法可以看到，最终调用了ExeternalSorter的insertAll()方法，实现了Map端RDD某个Partition数据处理并输出到内存或磁盘文件，这也是处理Map阶段输出记录数据最核心、最复杂的过程。我们将其分为两个阶段进行分析：第一阶段是，ExeternalSorter的insertAll()方法处理过程，将记录数据Spill到磁盘文件;第二阶段是，执行完insertAll()方法之后的处理逻辑，创建Shuffle Block数据文件及其索引文件。

内存缓冲写记录数据并Spill到磁盘文件

查看SortShuffleWriter类的write()方法可以看到，在内存中缓存记录数据的数据结构有两种：一种是Buffer，对应的实现类PartitionedPairBuffer，设置mapSideCombine=false时会使用该结构;另一种是Map，对应的实现类是PartitionedAppendOnlyMap，设置mapSideCombine=false时会使用该结构。根据是否指定mapSideCombine选项，分别对应不同的处理流程，我们分别说明如下：

设置mapSideCombine=false时

这种情况在Map阶段不进行Combine操作，在内存中缓存记录数据会使用PartitionedPairBuffer这种数据结构来缓存、排序记录数据，它是一个Append-only Buffer，仅支持向Buffer中追加数据键值对记录，PartitionedPairBuffer的结构如下图所示：

默认情况下，PartitionedPairBuffer初始分配的存储容量为capacity = initialCapacity = 64，实际上这个容量是针对key的容量，因为要存储的是键值对记录数据，所以实际存储键值对的容量为2*initialCapacity = 128。PartitionedPairBuffer是一个能够动态扩充容量的Buffer，内部使用一个一维数组来存储键值对，每次扩容结果为当前Buffer容量的2倍，即2*capacity，最大支持存储2^31-1个键值对记录(1073741823个)。

通过上图可以看到，PartitionedPairBuffer存储的键值对记录数据，键是(partition, key)这样一个Tuple，值是对应的数据value，而且curSize是用来跟踪写入Buffer中的记录的，key在Buffer中的索引位置为2*curSize，value的索引位置为2*curSize+1，可见一个键值对的key和value的存储在PartitionedPairBuffer内部的数组中是相邻的。

使用PartitionedPairBuffer缓存键值对记录数据，通过跟踪实际写入到Buffer内的记录数据的字节数来判断，是否需要将Buffer中的数据Spill到磁盘文件，如下代码所示：

1. protected def maybeSpill(collection: C, currentMemory: Long): Boolean = { 
2.     var shouldSpill = false 
3.     if (elementsRead % 32 == 0 && currentMemory >= myMemoryThreshold) { 
4.       // Claim up to double our current memory from the shuffle memory pool 
5.       val amountToRequest = 2 * currentMemory - myMemoryThreshold 
6.       val granted = acquireMemory(amountToRequest) 
7.       myMemoryThreshold += granted 
8.       // If we were granted too little memory to grow further (either tryToAcquire returned 0, 
9.       // or we already had more memory than myMemoryThreshold), spill the current collection 
10.       shouldSpill = currentMemory >= myMemoryThreshold 
11.     } 
12.     shouldSpill = shouldSpill || _elementsRead > numElementsForceSpillThreshold 
13.     // Actually spill 
14.     if (shouldSpill) { 
15.       _spillCount += 1 
16.       logSpillage(currentMemory) 
17.       spill(collection) 
18.       _elementsRead = 0 
19.       _memoryBytesSpilled += currentMemory 
20.       releaseMemory() 
21.     } 
22.     shouldSpill 
23.   } 

上面elementsRead表示存储到PartitionedPairBuffer中的记录数，currentMemory是对Buffer中的总记录数据大小(字节数)的估算，myMemoryThreshold通过配置项spark.shuffle.spill.initialMemoryThreshold来进行设置的，默认值为5 * 1024 * 1024 = 5M。当满足条件elementsRead % 32 == 0 && currentMemory >= myMemoryThreshold时，会先尝试向MemoryManager申请2 * currentMemory – myMemoryThreshold大小的内存，如果能够申请到，则不进行Spill操作，而是继续向Buffer中存储数据，否则就会调用spill()方法将Buffer中数据输出到磁盘文件。

向PartitionedPairBuffer中写入记录数据，以及满足条件Spill记录数据到磁盘文件，具体处理流程，如下图所示：

为了查看按照怎样的规则进行排序，我们看一下，当不进行Map Side Combine时，创建ExternalSorter对象的代码如下所示：

1. // In this case we pass neither an aggregator nor an ordering to the sorter, because we don't 
2.       // care whether the keys get sorted in each partition; that will be done on the reduce side 
3.       // if the operation being run is sortByKey. 
4.       new ExternalSorter[K, V, V]( 
5.         context, aggregator = None, Some(dep.partitioner), ordering = None, dep.serializer) 

上面aggregator = None，ordering = None，在对PartitionedPairBuffer中的记录数据Spill到磁盘之前，要使用默认的排序规则进行排序，排序的规则是只对PartitionedPairBuffer中的记录按Partition ID进行升序排序，可以查看WritablePartitionedPairCollection伴生对象类的代码(其中PartitionedPairBuffer类实现了特质WritablePartitionedPairCollection)，如下所示：

1. /** 
2.    * A comparator for (Int, K) pairs that orders them by only their partition ID. 
3.    */ 
4.   def partitionComparator[K]: Comparator[(Int, K)] = new Comparator[(Int, K)] { 
5.     override def compare(a: (Int, K), b: (Int, K)): Int = { 
6.       a._1 - b._1 
7.     } 
8.   } 

上面图中，引用了SortShuffleWriter.writeBlockFiles这个子序列图，用来生成Block数据文件和索引文件，后面我们会单独说明。通过对RDD进行计算生成一个记录迭代器对象，通过该迭代器迭代出的记录会存储到PartitionedPairBuffer中，当满足Spill条件时，先对PartitionedPairBuffer中记录进行排序，最后Spill到磁盘文件，这个过程中PartitionedPairBuffer中的记录数据的变化情况，如下图所示：

上图中，对内存中PartitionedPairBuffer中的记录按照Partition ID进行排序，并且属于同一个Partition的数据记录在PartitionedPairBuffer内部的data数组中是连续的。排序结束后，在Spill到磁盘文件时，将对应的Partition ID去掉了，只在文件temp_shuffle_4c4b258d-52e4-47a0-a9b6-692f1af7ec9d中连续存储键值对数据，但同时在另一个内存数组结构中会保存文件中每个Partition拥有的记录数，这样就能根据Partition的记录数来顺序读取文件temp_shuffle_4c4b258d-52e4-47a0-a9b6-692f1af7ec9d中属于同一个Partition的全部记录数据。

ExternalSorter类内部维护了一个SpillFile的ArrayBuffer数组，最终可能会生成多个SpillFile，SpillFile的定义如下所示：

1. private[this] case class SpilledFile( 
2.     file: File, 
3.     blockId: BlockId, 
4.     serializerBatchSizes: Array[Long], 
5.     elementsPerPartition: Array[Long]) 

每个SpillFile包含一个blockId，标识Map输出的该临时文件;serializerBatchSizes表示每次批量写入到文件的Object的数量，默认为10000，由配置项spark.shuffle.spill.batchSize来控制;elementsPerPartition表示每个Partition中的Object的数量。调用ExternalSorter的insertAll()方法，最终可能有如下3种情况：

• Map阶段输出记录数较少，没有生成SpillFile，那么所有数据都在Buffer中，直接对Buffer中记录排序并输出到文件
• Map阶段输出记录数较多，生成多个SpillFile，同时Buffer中也有部分记录数据
• Map阶段输出记录数较多，只生成多个SpillFile
• 有关后续如何对上面3种情况进行处理，可以想见后面对子序列图SortShuffleWriter.writeBlockFiles的说明。
• 设置mapSideCombine=true时

这种情况在Map阶段会执行Combine操作，在Map阶段进行Combine操作能够降低Map阶段数据记录的总数，从而降低Shuffle过程中数据的跨网络拷贝传输。这时，RDD对应的ShuffleDependency需要设置一个Aggregator用来执行Combine操作，可以看下Aggregator类声明，代码如下所示：

1. /** 
2.  * :: DeveloperApi :: 
3.  * A set of functions used to aggregate data. 
4.  * 
5.  * @param createCombiner function to create the initial value of the aggregation. 
6.  * @param mergeValue function to merge a new value into the aggregation result. 
7.  * @param mergeCombiners function to merge outputs from multiple mergeValue function. 
8.  */ 
9. @DeveloperApi 
10. case class Aggregator[K, V, C] ( 
11.     createCombiner: V => C, 
12.     mergeValue: (C, V) => C, 
13.     mergeCombiners: (C, C) => C) { 
14.   ... ... 
15. } 

由于在Map阶段只用到了构造Aggregator的几个函数参数createCombiner、mergeValue、mergeCombiners，我们对这几个函数详细说明如下：

• createCombiner：进行Aggregation开始时，需要设置初始值。因为在Aggregation过程中使用了类似Map的内存数据结构来管理键值对，每次加入前会先查看Map内存结构中是否存在Key对应的Value，第一次肯定不存在，所以首次将某个Key的Value加入到Map内存结构中时，Key在Map内存结构中第一次有了Value。
• mergeValue：某个Key已经在Map结构中存在Value，后续某次又遇到相同的Key和一个新的Value，这时需要通过该函数，将旧Value和新Value进行合并，根据Key检索能够得到合并后的新Value。
• mergeCombiners：一个Map内存结构中Key和Value是由mergeValue生成的，那么在向Map中插入数据，肯定会遇到Map使用容量达到上限，这时需要将记录数据Spill到磁盘文件，那么多个Spill输出的磁盘文件中可能存在同一个Key，这时需要对多个Spill输出的磁盘文件中的Key的多个Value进行合并，这时需要使用mergeCombiners函数进行处理。

该类中定义了combineValuesByKey、combineValuesByKey、combineCombinersByKey，由于这些函数是在Reduce阶段使用的，所以在这里先不说明，后续文章我们会单独详细来分析。

我们通过下面的序列图来描述，需要进行Map Side Combine时的处理流程，如下所示：

对照上图，我们看一下，当需要进行Map Side Combine时，对应的ExternalSorter类insertAll()方法中的处理逻辑，代码如下所示：

1. val shouldCombine = aggregator.isDefined 
2.  
3.     if (shouldCombine) { 
4.       // Combine values in-memory first using our AppendOnlyMap 
5.       val mergeValue = aggregator.get.mergeValue 
6.       val createCombiner = aggregator.get.createCombiner 
7.       var kv: Product2[K, V] = null 
8.       val update = (hadValue: Boolean, oldValue: C) => { 
9.         if (hadValue) mergeValue(oldValue, kv._2) else createCombiner(kv._2) 
10.       } 
11.       while (records.hasNext) { 
12.         addElementsRead() 
13.         kv = records.next() 
14.         map.changeValue((getPartition(kv._1), kv._1), update) 
15.         maybeSpillCollection(usingMap = true) 
16.       } 
17.     } 

上面代码中，map是内存数据结构，最重要的是update函数和map的changeValue方法(这里的map对应的实现类是PartitionedAppendOnlyMap)。update函数所做的工作，其实就是对createCombiner和mergeValue这两个函数的使用，第一次遇到一个Key调用createCombiner函数处理，非首次遇到同一个Key对应新的Value调用mergeValue函数进行合并处理。map的changeValue方法主要是将Key和Value在map中存储或者进行修改(对出现的同一个Key的多个Value进行合并，并将合并后的新Value替换旧Value)。

PartitionedAppendOnlyMap是一个经过优化的哈希表，它支持向map中追加数据，以及修改Key对应的Value，但是不支持删除某个Key及其对应的Value。它能够支持的存储容量是0.7 * 2 ^ 29 = 375809638。当达到指定存储容量或者指定限制，就会将map中记录数据Spill到磁盘文件，这个过程和前面的类似，不再累述。

创建Shuffle Block数据文件及其索引文件

无论是使用PartitionedPairBuffer，还是使用PartitionedAppendOnlyMap，当需要容量满足Spill条件时，都会将该内存结构(buffer/map)中记录数据Spill到磁盘文件，所以Spill到磁盘文件的格式是相同的。对于后续Block数据文件和索引文件的生成逻辑也是相同，如下图所示：

假设，我们生成的Shuffle Block文件对应各个参数为：shuffleId=2901，mapId=11825，reduceId=0，这里reduceId是一个NOOP_REDUCE_ID，表示与DiskStore进行磁盘I/O交互操作，而DiskStore期望对应一个(map, reduce)对，但是对于排序的Shuffle输出，通常Reducer拉取数据后只生成一个文件(Reduce文件)，所以这里默认reduceId为0。经过上图的处理流程，可以生成一个.data文件，也就是Block数据文件;一个.index文件，也就是包含了各个Partition在数据文件中的偏移位置的索引文件。这个过程生成的文件，示例如下所示：

1. shuffle_2901_11825_0.data  
2. shuffle_2901_11825_0.index 

这样，对于每个RDD的多个Partition进行处理后，都会生成对应的数据文件和索引文件，后续在Reduce端就可以读取这些Block文件，这些记录数据在文件中都是经过分区(Partitioned)的。

本文作者：时延军

来源：51CTO