一：使用Tungsten功能 

1， 如果想让您的程序使用Tungsten的功能，可以配置： 

Spark.Shuffle.Manager = tungsten-sort 

Spark性能优化第八季之Spark Tungsten-sort Based Shuffle_spark

 

Spark在钨丝计划下要管理两种类型的内存存储方式：堆内和堆外。为了管理他们，所以搞了一个Page。 
堆外：指针直接指向数据本身。 
堆内：指针首先指向Object，然后通过偏移量OffSet再具体定位到数据。 
2. DataFrame中自动开启了Tungsten功能。

二：Tungsten-sort base Shuffle writer内幕 

下图是写入的过程： 

​​Spark Core​​ 

Spark性能优化第八季之Spark Tungsten-sort Based Shuffle_数据_02


输入数据的时候是循环每个Task中处理的数据Partition的结果，循环的时候会查看是否有内存，一个Page写满之后，才会写下一个Page。 

如何看内存是否足够？ 

a） 系统默认情况下给ShuffleMapTask最大准备了多少内存空间？默认情况下是通过ExecutorHeapMemory*0.8*0.2 

Spark.shuffle.memoryFractinotallow=0.2 

spark.shuffle.safetyFractinotallow=0.8 

b） 另外一方面是和Task处理的Partition大小紧密相关。 

1.mergeSpills的功能是将很多小文件合并成一个大文件。然后加上index文件索引。

/**
  * Merge zero or more spill files together, choosing the fastest merging strategy based on the
  * number of spills and the IO compression codec.
  *
  * @return the partition lengths in the merged file.
  */
 private long[] mergeSpills(SpillInfo[] spills, File outputFile) throws IOException {
   final boolean compressionEnabled = sparkConf.getBoolean("spark.shuffle.compress", true);
   final CompressionCodec = CompressionCodec$.MODULE$.createCodec(sparkConf);
   final boolean fastMergeEnabled =
     sparkConf.getBoolean("spark.shuffle.unsafe.fastMergeEnabled", true);
   final boolean fastMergeIsSupported = !compressionEnabled ||
     CompressionCodec$.MODULE$.supportsConcatenationOfSerializedStreams(compressionCodec);


 

2.和Sort Based Shuffle 过程基本一样。 
3.写数据在内存足够大的情况下是写到Page里面，在Page中有一条条的Record，如果内存不够的话会Spill到磁盘中。此过程跟前面讲解Sort base Shuffle writer过程是一样的。 
4.基于UnsafeShuffleWriter会有一个类负责将数据写入到Page中。 
5.insertRecordIntoSorter: 此方法把records的数据一条一条的写入到输出流。 
而输出流是: ByteArrayOutputStream

@VisibleForTesting
 void insertRecordIntoSorter(Product2<K, V> record) throws IOException {
   assert(sorter != null);
   final K key = record._1();
 //获得Partition的Id  
 final int partitionId = partitioner.getPartition(key);
   serBuffer.reset();
   serOutputStream.writeKey(key, OBJECT_CLASS_TAG);
   serOutputStream.writeValue(record._2(), OBJECT_CLASS_TAG);
   serOutputStream.flush();
  
   final int serializedRecordSize = serBuffer.size();
   assert (serializedRecordSize > 0);
  
   sorter.insertRecord(
     serBuffer.getBuf(), Platform.BYTE_ARRAY_OFFSET, serializedRecordSize, partitionId);​​

6.serBuffer实例化,默认大小是1M,也就是输出流的大小默认是1M。

serBuffer = new MyByteArrayOutputStream(1024 * 1024);

三：Tungsten-sort base Shuffle Read内幕 
1. 基本上是复用了Hash Shuffle Read. 
2. 在Tungsten下获取数据的类叫做BlockStoreShuffleReader,其底层其实是Page。