概要

今天不談Spark中什么復雜的技術實現，只稍為聊聊如何進行代碼跟讀。眾所周知，Spark使用scala進行開發，由于scala有眾多的語法糖，很多時候代碼跟著跟著就覺著線索跟丟掉了，另外Spark基于Akka來進行消息交互，那如何知道誰是接收方呢？

new Throwable().printStackTrace

代碼跟讀的時候，經常會借助于日志，針對日志中輸出的每一句，我們都很想知道它們的調用者是誰。但有時苦于對spark系統的了解程度不深，或者對scala認識不夠，一時半會之內無法找到答案，那么有沒有什么簡便的辦法呢？

我的辦法就是在日志出現的地方加入下面一句話

new Throwable().printStackTrace() 

現在舉一個實際的例子來說明問題。

比如我們在啟動spark-shell之后，輸入一句非常簡單的sc.textFile("README.md")，會輸出下述的log

14/07/05 19:53:27 INFO MemoryStore: ensureFreeSpace(32816) called with curMem=0, maxMem=308910489 
14/07/05 19:53:27 INFO MemoryStore: Block broadcast_0 stored as values in memory (estimated size 32.0 KB, free 294.6 MB)  
14/07/05 19:53:27 DEBUG BlockManager: Put block broadcast_0 locally took  78 ms  
14/07/05 19:53:27 DEBUG BlockManager: Putting block broadcast_0 without replication took  79 ms  
res0: org.apache.spark.rdd.RDD[String] = README.md MappedRDD[1] at textFile at :13 

那我很想知道是第二句日志所在的tryToPut函數是被誰調用的該怎么辦？

辦法就是打開MemoryStore.scala，找到下述語句

logInfo("Block %s stored as %s in memory (estimated size %s, free %s)".format(  
          blockId, valuesOrBytes, Utils.bytesToString(size), Utils.bytesToString(freeMemory)))  

在這句話之上，添加如下語句

new Throwable().printStackTrace() 

然后，重新進行源碼編譯

sbt/sbt assembly 

再次打開spark-shell,執行sc.textFile("README.md"),就可以得到如下輸出，從中可以清楚知道tryToPut的調用者是誰

14/07/05 19:53:27 INFO MemoryStore: ensureFreeSpace(32816) called with curMem=0, maxMem=308910489 
14/07/05 19:53:27 WARN MemoryStore: just show the calltrace by entering some modified code  
java.lang.Throwable  
  at org.apache.spark.storage.MemoryStore.tryToPut(MemoryStore.scala:182)  
  at org.apache.spark.storage.MemoryStore.putValues(MemoryStore.scala:76)  
  at org.apache.spark.storage.MemoryStore.putValues(MemoryStore.scala:92)  
  at org.apache.spark.storage.BlockManager.doPut(BlockManager.scala:699)  
  at org.apache.spark.storage.BlockManager.put(BlockManager.scala:570)  
  at org.apache.spark.storage.BlockManager.putSingle(BlockManager.scala:821)  
  at org.apache.spark.broadcast.HttpBroadcast.(HttpBroadcast.scala:52)  
  at org.apache.spark.broadcast.HttpBroadcastFactory.newBroadcast(HttpBroadcastFactory.scala:35)  
  at org.apache.spark.broadcast.HttpBroadcastFactory.newBroadcast(HttpBroadcastFactory.scala:29)  
  at org.apache.spark.broadcast.BroadcastManager.newBroadcast(BroadcastManager.scala:62)  
  at org.apache.spark.SparkContext.broadcast(SparkContext.scala:787)  
  at org.apache.spark.SparkContext.hadoopFile(SparkContext.scala:556)  
  at org.apache.spark.SparkContext.textFile(SparkContext.scala:468)  
  at $line5.$read$$iwC$$iwC$$iwC$$iwC.(:13)  
  at $line5.$read$$iwC$$iwC$$iwC.(:18)  
  at $line5.$read$$iwC$$iwC.(:20)  
  at $line5.$read$$iwC.(:22)  
  at $line5.$read.(:24)  
  at $line5.$read$.(:28)  
  at $line5.$read$.()  
  at $line5.$eval$.(:7)  
  at $line5.$eval$.()  
  at $line5.$eval.$print()  
  at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)  
  at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)  
  at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)  
  at java.lang.reflect.Method.invoke(Method.java:483)  
  at org.apache.spark.repl.SparkIMain$ReadEvalPrint.call(SparkIMain.scala:788)  
  at org.apache.spark.repl.SparkIMain$Request.loadAndRun(SparkIMain.scala:1056)  
  at org.apache.spark.repl.SparkIMain.loadAndRunReq$1(SparkIMain.scala:614)  
  at org.apache.spark.repl.SparkIMain.interpret(SparkIMain.scala:645)  
  at org.apache.spark.repl.SparkIMain.interpret(SparkIMain.scala:609)  
  at org.apache.spark.repl.SparkILoop.reallyInterpret$1(SparkILoop.scala:796)  
  at org.apache.spark.repl.SparkILoop.interpretStartingWith(SparkILoop.scala:841)  
  at org.apache.spark.repl.SparkILoop.command(SparkILoop.scala:753)  
  at org.apache.spark.repl.SparkILoop.processLine$1(SparkILoop.scala:601)  
  at org.apache.spark.repl.SparkILoop.innerLoop$1(SparkILoop.scala:608)  
  at org.apache.spark.repl.SparkILoop.loop(SparkILoop.scala:611)  
  at org.apache.spark.repl.SparkILoop$$anonfun$process$1.apply$mcZ$sp(SparkILoop.scala:936)  
  at org.apache.spark.repl.SparkILoop$$anonfun$process$1.apply(SparkILoop.scala:884)  
  at org.apache.spark.repl.SparkILoop$$anonfun$process$1.apply(SparkILoop.scala:884)  
  at scala.tools.nsc.util.ScalaClassLoader$.savingContextLoader(ScalaClassLoader.scala:135)  
  at org.apache.spark.repl.SparkILoop.process(SparkILoop.scala:884)  
  at org.apache.spark.repl.SparkILoop.process(SparkILoop.scala:982)  
  at org.apache.spark.repl.Main$.main(Main.scala:31)  
  at org.apache.spark.repl.Main.main(Main.scala)  
  at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)  
  at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)  
  at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)  
  at java.lang.reflect.Method.invoke(Method.java:483)  
  at org.apache.spark.deploy.SparkSubmit$.launch(SparkSubmit.scala:303)  
  at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:55)  
  at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)  
14/07/05 19:53:27 INFO MemoryStore: Block broadcast_0 stored as values in memory (estimated size 32.0 KB, free 294.6 MB)  
14/07/05 19:53:27 DEBUG BlockManager: Put block broadcast_0 locally took  78 ms  
14/07/05 19:53:27 DEBUG BlockManager: Putting block broadcast_0 without replication took  79 ms  
res0: org.apache.spark.rdd.RDD[String] = README.md MappedRDD[1] at textFile at :13 

git同步

對代碼作了修改之后，如果并不想提交代碼，那該如何將***的內容同步到本地呢？

git reset --hard  
git pull origin master 

Akka消息跟蹤

追蹤消息的接收者是誰，相對來說比較容易，只要使用好grep就可以了，當然前提是要對actor model有一點點了解。

還是舉個實例吧，我們知道CoarseGrainedSchedulerBackend會發送LaunchTask消息出來，那么誰是接收方呢？只需要執行以下腳本即可。

grep LaunchTask -r core/src/main 

 從如下的輸出中，可以清楚看出CoarseGrainedExecutorBackend是LaunchTask的接收方，接收到該函數之后的業務處理，只需要去看看接收方的receive函數即可。

core/src/main/scala/org/apache/spark/executor/CoarseGrainedExecutorBackend.scala:    case LaunchTask(data) =>  
core/src/main/scala/org/apache/spark/executor/CoarseGrainedExecutorBackend.scala:        logError("Received LaunchTask command but executor was null")  
core/src/main/scala/org/apache/spark/scheduler/cluster/CoarseGrainedClusterMessage.scala:  case class LaunchTask(data: SerializableBuffer) extends CoarseGrainedClusterMessage  
core/src/main/scala/org/apache/spark/scheduler/cluster/CoarseGrainedSchedulerBackend.scala:          executorActor(task.executorId) ! LaunchTask(new SerializableBuffer(serializedTask)) 

小結

今天的內容相對簡單，沒有技術含量，自己做個記述，免得時間久了，不記得。