新技术论坛
搜索
查看: 885|回复: 0
打印 上一主题 下一主题

[Java] Spark中常用工具类Utils的简明介绍

[复制链接]
  • TA的每日心情
    开心
    2016-10-18 06:23
  • 签到天数: 72 天

    连续签到: 1 天

    [LV.6]常住居民II

    扫一扫,手机访问本帖
    楼主
    跳转到指定楼层
    发表于 2016-3-20 00:31:46 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

    Utils是Spark中最常用的工具类之一,如果不关心其实现,也不会对理解Spark有太多影响。但是对于Scala或者Spark的初学者来说,通过了解Utils工具类的实现,也是个不错的入门途径。下面将逐个介绍Utils工具类提供的常用方法。


    1.localHostName

    功能描述:获取本地机器名。




    • def localHostName(): String = {  
    •     customHostname.getOrElse(localIpAddressHostname)  
    •   }  



    2.getDefaultPropertiesFile
    功能描述:获取默认的Spark属性文件。



    • def getDefaultPropertiesFile(env: Map[String, String] = sys.env): String = {  
    •   env.get("SPARK_CONF_DIR")  
    •     .orElse(env.get("SPARK_HOME").map{ t => s"$t${File.separator}conf"})  
    •     .map { t => new File(s"$t${File.separator}spark-defaults.conf")}  
    •     .filter(_.isFile)  
    •     .map(_.getAbsolutePath)  
    •     .orNull  
    • }  



    3.loadDefaultSparkProperties
    功能描述:加载指定文件中的Spark属性,如果没有指定文件,则加载默认Spark属性文件的属性。



    • def loadDefaultSparkProperties(conf:SparkConf, filePath: String = null):String = {  
    •   val path =Option(filePath).getOrElse(getDefaultPropertiesFile())  
    •   Option(path).foreach { confFile =>  
    •     getPropertiesFromFile(confFile).filter{ case (k,v) =>  
    •       k.startsWith("spark.")  
    •     }.foreach { case (k, v) =>  
    •      conf.setIfMissing(k, v)  
    •      sys.props.getOrElseUpdate(k, v)  
    •     }  
    •   }  
    •   path  
    • }  



    4.getCallSite

    功能描述:获取当前SparkContext的当前调用堆栈,将栈里最靠近栈底的属于spark或者Scala核心的类压入callStack的栈顶,并将此类的方法存入lastSparkMethod;将栈里最靠近栈顶的用户类放入callStack,将此类的行号存入firstUserLine,类名存入firstUserFile,最终返回的样例类CallSite存储了最短栈和长度默认为20的最长栈的样例类。在JavaWordCount例子中,获得的数据如下:


    • 最短栈:JavaSparkContext at JavaWordCount.java:44;
    • 最长栈:org.apache.spark.api.java.JavaSparkContext.<init>(JavaSparkContext.scala:61)org.apache.spark.examples.JavaWordCount.main(JavaWordCount.java:44)。

    • def getCallSite(skipClass: String => Boolean =coreExclusionFunction): CallSite = {  
    •     val trace =Thread.currentThread.getStackTrace().filterNot { ste: StackTraceElement=>  
    •       ste == null || ste.getMethodName == null || ste.getMethodName.contains("getStackTrace")  
    •     }  
    •     var lastSparkMethod= "<unknown>"  
    •     var firstUserFile= "<unknown>"  
    •     var firstUserLine= 0  
    •     var insideSpark= true  
    •     var callStack= new ArrayBuffer[String]() :+ "<unknown>"  
    •    
    •     for (el<- trace) {  
    •       if (insideSpark){  
    •         if (skipClass(el.getClassName)){  
    •           lastSparkMethod = if(el.getMethodName == "<init>") {  
    •             el.getClassName.substring(el.getClassName.lastIndexOf('.') + 1)  
    •           } else {  
    •             el.getMethodName  
    •           }  
    •           callStack(0) = el.toString // Putlast Spark method on top of the stack trace.  
    •         } else {  
    •           firstUserLine = el.getLineNumber  
    •           firstUserFile = el.getFileName  
    •           callStack += el.toString  
    •           insideSpark = false  
    •         }  
    •       } else {  
    •         callStack += el.toString  
    •       }  
    •     }  
    •     val callStackDepth= System.getProperty("spark.callstack.depth","20").toInt  
    •     CallSite(  
    •       shortForm = s"$lastSparkMethod at $firstUserFilefirstUserLine",  
    •       longForm = callStack.take(callStackDepth).mkString("\n"))  
    •   }  


    5.startServiceOnPort

    功能描述:Scala跟其它脚本语言一样,函数也可以传递,此方法正是通过回调startService这个函数来启动服务,并最终返回startService返回的service地址及端口。如果启动过程有异常,还会多次重试,直到达到maxRetries表示的最大次数。




    • def startServiceOnPort[T](  
    •      startPort:Int,  
    •      startService:Int => (T, Int),  
    •      conf:SparkConf,  
    •      serviceName:String = ""): (T, Int) = {  
    •   require(startPort == 0 || (1024 <= startPort && startPort < 65536),  
    •      "startPort should be between 1024 and 65535(inclusive), or 0 for a random free port.")  
    •    val serviceString= if (serviceName.isEmpty) "" elses" '$serviceName'"  
    •    val maxRetries= portMaxRetries(conf)  
    •    for (offset<- 0 to maxRetries){  
    •      val tryPort= if (startPort == 0) {  
    •        startPort  
    •      } else {  
    •        ((startPort+ offset - 1024)% (65536 - 1024))+ 1024  
    •      }  
    •      try {  
    •        val (service,port) = startService(tryPort)  
    •        logInfo(s"Successfullystarted service$serviceString on port $port.")  
    •        return (service,port)  
    •      } catch {  
    •        case e:Exception if isBindCollision(e) =>  
    •          if (offset>= maxRetries) {  
    •            val exceptionMessage=  
    •              s"${e.getMessage}:Service$serviceString failed after $maxRetries retries!"  
    •            val exception= new BindException(exceptionMessage)  
    •            exception.setStackTrace(e.getStackTrace)  
    •            throw exception  
    •          }  
    •         logWarning(s"Service$serviceString couldnot bind on port $tryPort. " +  
    •            s"Attempting port ${tryPort+ 1}.")  
    •      }  
    •    }  
    •    throw newSparkException(s"Failed to start service$serviceString on port$startPort")  
    • }  


    6.createDirectory

    功能描述:用spark+UUID的方式创建临时文件目录,如果创建失败会多次重试,最多重试10次。




    • def createDirectory(root: String, namePrefix: String = "spark"): File = {  
    •   var attempts = 0  
    •   val maxAttempts = MAX_DIR_CREATION_ATTEMPTS  
    •   var dir: File = null  
    •   while (dir == null){  
    •     attempts += 1  
    •     if (attempts > maxAttempts) {  
    •       throw newIOException("Failed to create a temp directory(under " + root + ") after "+  
    •        maxAttempts + " attempts!")  
    •     }  
    •     try {  
    •       dir = new File(root, "spark-"+ UUID.randomUUID.toString)  
    •       if (dir.exists() || !dir.mkdirs()) {  
    •         dir = null  
    •       }  
    •     } catch { casee: SecurityException => dir = null;}  
    •   }  
    •   
    •   dir  
    • }  


    7.getOrCreateLocalRootDirs

    功能描述:根据spark.local.dir的配置,作为本地文件的根目录,在创建一、二级目录之前要确保根目录是存在的。然后调用createDirectory创建一级目录。



    • private[spark] defgetOrCreateLocalRootDirs(conf: SparkConf): Array[String] = {  
    •   if (isRunningInYarnContainer(conf)) {  
    •    getYarnLocalDirs(conf).split(",")  
    •   } else {  
    •    Option(conf.getenv("SPARK_LOCAL_DIRS"))  
    •      .getOrElse(conf.get("spark.local.dir",System.getProperty("java.io.tmpdir")))  
    •       .split(",")  
    •       .flatMap {root =>  
    •         try {  
    •           val rootDir = newFile(root)  
    •           if (rootDir.exists || rootDir.mkdirs()) {  
    •             val dir = createDirectory(root)  
    •            chmod700(dir)  
    •            Some(dir.getAbsolutePath)  
    •           } else {  
    •            logError(s"Failed to create dir in $root. Ignoring this directory.")  
    •             None  
    •           }  
    •         } catch {  
    •           case e: IOException =>  
    •          logError(s"Failed to create local rootdir in $root. Ignoring this directory.")  
    •           None  
    •         }  
    •       }  
    •       .toArray  
    •   }  
    • }  


    8.getLocalDir

    功能描述:查询Spark本地文件的一级目录。




    • def getLocalDir(conf: SparkConf): String = {  
    • getOrCreateLocalRootDirs(conf)(0)  
    • }  


    9.createTempDir

    功能描述:在Spark一级目录下创建临时目录,并将目录注册到shutdownDeletePaths:scala.collection.mutable.HashSet[String]中。



    • def createTempDir(  
    •     root: String= System.getProperty("java.io.tmpdir"),  
    •     namePrefix:String = "spark"): File = {  
    •   val dir =createDirectory(root, namePrefix)  
    • registerShutdownDeleteDir(dir)  
    •   dir  
    • }  


    10.RegisterShutdownDeleteDir

    功能描述:将目录注册到shutdownDeletePaths:scala.collection.mutable.HashSet[String]中,以便在进程退出时删除。




    • def registerShutdownDeleteDir(file: File) {  
    •   val absolutePath =file.getAbsolutePath()  
    •   shutdownDeletePaths.synchronized{  
    •     shutdownDeletePaths += absolutePath  
    •   }  
    • }  


    11.hasRootAsShutdownDeleteDir

    功能描述:判断文件是否匹配关闭时要删除的文件及目录,shutdownDeletePaths:scala.collection.mutable.HashSet[String]存储在进程关闭时要删除的文件及目录。




    • def hasRootAsShutdownDeleteDir(file: File): Boolean = {  
    •   val absolutePath= file.getAbsolutePath()  
    •   val retval= shutdownDeletePaths.synchronized {  
    •     shutdownDeletePaths.exists { path =>  
    •       !absolutePath.equals(path) && absolutePath.startsWith(path)  
    •     }  
    •   }  
    •   if (retval){  
    •     logInfo("path = " + file + ", already present as root for deletion.")  
    •   }  
    •   retval  
    • }  



    12.deleteRecursively

    功能描述:用于删除文件或者删除目录及其子目录、子文件,并且从shutdownDeletePaths:scala.collection.mutable.HashSet[String]中移除此文件或目录。




    • def deleteRecursively(file: File) {  
    •   if (file != null){  
    •     try {  
    •       if (file.isDirectory &&!isSymlink(file)) {  
    •         var savedIOException:IOException = null  
    •         for (child<- listFilesSafely(file)) {  
    •           try {  
    •            deleteRecursively(child)  
    •           } catch {  
    •             case ioe:IOException => savedIOException = ioe  
    •           }  
    •         }  
    •         if (savedIOException!= null) {  
    •           throw savedIOException  
    •         }  
    •         shutdownDeletePaths.synchronized {  
    •           shutdownDeletePaths.remove(file.getAbsolutePath)  
    •         }  
    •       }  
    •     } finally {  
    •       if (!file.delete()) {  
    •         if (file.exists()) {  
    •           throw newIOException("Failed to delete: " +file.getAbsolutePath)  
    •         }  
    •       }  
    •     }  
    •   }  
    • }  


    13.getSparkClassLoader

    功能描述:获取加载当前class的ClassLoader。



    • def getSparkClassLoader = getClass.getClassLoader  



    14.getContextOrSparkClassLoader

    功能描述:用于获取线程上下文的ClassLoader,没有设置时获取加载Spark的ClassLoader。



    • def getContextOrSparkClassLoader =  
    •   Option(Thread.currentThread().getContextClassLoader).getOrElse(getSparkClassLoader)  



    15.newDaemonCachedThreadPool

    功能描述:使用Executors.newCachedThreadPool创建的缓存线程池。


    • def newDaemonCachedThreadPool(prefix: String): ThreadPoolExecutor = {  
    •   val threadFactory =namedThreadFactory(prefix)  
    • Executors.newCachedThreadPool(threadFactory).asInstanceOf[ThreadPoolExecutor]  
    • }  


    16.doFetchFile

    功能描述:使用URLConnection通过http协议下载文件。



    • private defdoFetchFile(url: String, targetDir: File, filename: String, conf: SparkConf,  
    •     securityMgr:SecurityManager, hadoopConf: Configuration) {  
    •   val tempFile= File.createTempFile("fetchFileTemp",null, newFile(targetDir.getAbsolutePath))  
    •   val targetFile= new File(targetDir, filename)  
    •   val uri = new URI(url)  
    •   val fileOverwrite= conf.getBoolean("spark.files.overwrite",defaultValue = false)  
    •   Option(uri.getScheme).getOrElse("file")match {  
    •     case "http"| "https" | "ftp" =>  
    •       logInfo("Fetching " + url + " to " + tempFile)  
    •       var uc:URLConnection = null  
    •       if (securityMgr.isAuthenticationEnabled()) {  
    •         logDebug("fetchFile with security enabled")  
    •         val newuri= constructURIForAuthentication(uri,securityMgr)  
    •         uc = newuri.toURL().openConnection()  
    •         uc.setAllowUserInteraction(false)  
    •       } else {  
    •         logDebug("fetchFile not using security")  
    •         uc = newURL(url).openConnection()  
    •       }  
    •       valtimeout = conf.getInt("spark.files.fetchTimeout", 60) * 1000  
    •       uc.setConnectTimeout(timeout)  
    •       uc.setReadTimeout(timeout)  
    •       uc.connect()  
    •       val in = uc.getInputStream()  
    •      downloadFile(url, in, tempFile, targetFile,fileOverwrite)  
    •     case "file"=>  
    •       val sourceFile= if (uri.isAbsolute)new File(uri)else newFile(url)  
    •      copyFile(url, sourceFile, targetFile, fileOverwrite)  
    •     case _ =>  
    •       val fs =getHadoopFileSystem(uri, hadoopConf)  
    •       val in = fs.open(newPath(uri))  
    •      downloadFile(url, in, tempFile, targetFile,fileOverwrite)  
    •   }  
    • }  



    17.fetchFile

    功能描述:如果文件在本地有缓存,则从本地获取,否则通过HTTP远程下载。最后对.tar、.tar.gz等格式的文件解压缩后,调用shell命令行的chmod命令给文件增加a+x的权限。



    • def fetchFile(  
    •     url: String,  
    •     targetDir:File,  
    •     conf:SparkConf,  
    •     securityMgr:SecurityManager,  
    •     hadoopConf:Configuration,  
    •     timestampong,  
    •     useCache:Boolean) {  
    •   val fileName= url.split("/").last  
    •   val targetFile= new File(targetDir, fileName)  
    •   val fetchCacheEnabled= conf.getBoolean("spark.files.useFetchCache",defaultValue = true)  
    •   if (useCache && fetchCacheEnabled) {  
    •     val cachedFileName= s"${url.hashCode}${timestamp}_cache"  
    •     val lockFileName= s"${url.hashCode}${timestamp}_lock"  
    •     val localDir= new File(getLocalDir(conf))  
    •     val lockFile= new File(localDir,lockFileName)  
    •     val raf = new RandomAccessFile(lockFile,"rw")  
    •     val lock = raf.getChannel().lock()  
    •     val cachedFile= new File(localDir,cachedFileName)  
    •     try {  
    •       if (!cachedFile.exists()){  
    •        doFetchFile(url, localDir, cachedFileName, conf, securityMgr, hadoopConf)  
    •       }  
    •     } finally {  
    •       lock.release()  
    •     }  
    •     copyFile(  
    •       url,  
    •       cachedFile,  
    •       targetFile,  
    •      conf.getBoolean("spark.files.overwrite",false)  
    •     )  
    •   } else {  
    •    doFetchFile(url, targetDir, fileName,conf, securityMgr, hadoopConf)  
    •   }  
    •   if (fileName.endsWith(".tar.gz") || fileName.endsWith(".tgz")) {  
    •     logInfo("Untarring " + fileName)  
    •    Utils.execute(Seq("tar", "-xzf", fileName),targetDir)  
    •   } else if(fileName.endsWith(".tar")){  
    •     logInfo("Untarring " + fileName)  
    •    Utils.execute(Seq("tar", "-xf", fileName),targetDir)  
    •   }  
    •   FileUtil.chmod(targetFile.getAbsolutePath, "a+x")  
    • }  



    18.executeAndGetOutput

    功能描述:执行一条command命令,并且获取它的输出。调用stdoutThread的join方法,让当前线程等待stdoutThread执行完成。



    • def executeAndGetOutput(  
    •     command:Seq[String],  
    •     workingDir:File = new File("."),  
    •    extraEnvironment: Map[String, String] = Map.empty): String = {  
    •   val builder= new ProcessBuilder(command: _*)  
    •      .directory(workingDir)  
    •   val environment= builder.environment()  
    •   for ((key, value) <- extraEnvironment) {  
    •     environment.put(key,value)  
    •   }  
    •   val process= builder.start()  
    •   new Thread("readstderr for " + command(0)) {  
    •     override defrun() {  
    •       for (line<- Source.fromInputStream(process.getErrorStream).getLines()){  
    •         System.err.println(line)  
    •       }  
    •     }  
    •   }.start()  
    •   val output= new StringBuffer  
    •   val stdoutThread= new Thread("readstdout for " + command(0)) {  
    •     override defrun() {  
    •       for (line<- Source.fromInputStream(process.getInputStream).getLines()){  
    •         output.append(line)  
    •       }  
    •     }  
    •   }  
    •   stdoutThread.start()  
    •   val exitCode= process.waitFor()  
    •   stdoutThread.join()   // Wait for itto finish reading output  
    •   if (exitCode!= 0) {  
    •     logError(s"rocess $commandexited with code $exitCode: $output")  
    •     throw newSparkException(s"rocess $command exited with code $exitCode")  
    •   }  
    •   output.toString  
    • }  



    19.memoryStringToMb

    功能描述:将内存大小字符串转换为以MB为单位的整型值。



    • def memoryStringToMb(str: String): Int = {  
    •   val lower =str.toLowerCase  
    •   if (lower.endsWith("k")) {  
    •     (lower.substring(0,lower.length-1).toLong/ 1024).toInt  
    •   } else if(lower.endsWith("m")){  
    •     lower.substring(0,lower.length-1).toInt  
    •   } else if(lower.endsWith("g")){  
    •     lower.substring(0,lower.length-1).toInt* 1024  
    •   } else if(lower.endsWith("t")){  
    •     lower.substring(0,lower.length-1).toInt* 1024 * 1024  
    •   } else {// nosuffix, so it's just a number in bytes  
    •     (lower.toLong / 1024/ 1024).toInt  
    •   }  
    • }  






    高级模式
    B Color Image Link Quote Code Smilies

    本版积分规则

    手机版|Archiver|开发者俱乐部 ( ICP/ISP证:辽B-2-4-20110106号 IDC证:辽B-1-2-20070003号 )

    GMT+8, 2024-12-23 10:30 , Processed in 0.110779 second(s), 18 queries .

    X+ Open Developer Network (xodn.com)

    © 2009-2017 沈阳讯网网络科技有限公司

    快速回复 返回顶部 返回列表