这篇文章具体描述了Spark Tungsten project 引入的新的内存管理机制,并且描述了一些使用细节。
前言
发现目前还没有这方面的文章,而自己也对这块比较好奇,所以就有了这篇内容。
分析方式基本是自下而上,也就是我们分析的线路会从最基础内存申请到上层的使用。我们假设你对sun.misc.Unsafe 的API有一些最基本的了解。
in-heap 和 off-heap (MemoryAllocator)
首先我们看看 Tungsten 的 MemoryAllocator
off-heap => org.apache.spark.unsafe.memory.UnsafeMemoryAllocator
in-heap => org.apache.spark.unsafe.memory.HeapMemoryAllocator
off-heap 获取内存很简单:
long address = Platform.allocateMemory(size);
这样就拿到内存的地址了。这是一个绝对地址,64bit 应该够大。注意,所有的内存都需要8byte对齐。
in-heap 则是维护了一个long类型数组:
long[] array = new long[(int) (size / 8)];
然后会拿到 Platform.LONG_ARRAY_OFFSET 的地址,以及array对象的所处的相对地址,这样就能拿到一个绝对地址了,并且进行操作了。in-heap的对象有个特点,如果发生了GC,地址可能会变化,所以我们需要一直持有array的引用。
不管 off-heap,in-heap 最终其实都是地址的管理,所以我们抽象出了一个类来描述这个信息。
org.apache.spark.unsafe.memory.MemoryBlock
一共有四个属性:
obj 如果是off-heap,则为null。否则则为一个array数组
offset 如果是off-heap 则为绝对偏移量,否则为 Platform.LONG_ARRAY_OFFSET
pageNumber
length 申请的内存的长度,这个in/off-heap 是一致的。
内存管理器(MemoryManager)
实际的内存管理放在了两个层次:
org.apache.spark.unsafe.memory.ExecutorMemoryManager
org.apache.spark.unsafe.memory.TaskMemoryManager
我们先分析下他们的关系,TaskMemeoryManager是针对每个Task而言的,但是这些Task都是运行在一个JVM实例上,对应的是Executor,所以内存应该由ExecutorMemoryManager统一进行管理。但是每个task需要交互,所以就让TaskMemeoryManager来进行这种交互。这是他们的分工,设计的很漂亮。
ExecutorMemoryManager
我们先分析下ExecutorMemoryManager
,该类根据你的配置,决定是使用什么样的MemoryAllocator,默认是in-heap。你当然也可以设置啦,通过:
spark.unsafe.offHeap=true
来进行开启off-heap 模式。
另外,如果发现你是在使用in-heap模式,则ExecutorMemoryManage 会维护一个MemoryBlock的池子,对象池,大家应该很熟悉了。那为啥只有in-heap模式有池子呢?那是因为in-heap 需要申请long[] 数组,维护一个池子,就不用到heap里反复去做申请动作了。
该类有两个核心方法:
MemoryBlock allocate(long size)
void free(MemoryBlock memory)
看名字就知道含义了:申请内存和释放内存。内存的单元是MemoryBlock,逻辑上是Page的概念。
TaskMemeoryManager
这个会复杂些。然而,其实也没多复杂,好吧我又开始犯话唠了毛病了(O(∩_∩)O)。
为了统一对in-heap,off-heap进行建模,避免上层应用要自己区分自己处理的是in-heap还是off-heap内存块,所以这个时候就提出了一个Page的概念,并且使用逻辑地址来做指针,通过这个逻辑地址可以定位到特定一条记录在MemoryBlock的位置。
那么逻辑地址怎么表示呢?答案是用一个Long类型(64-bit)来表示。任何一条记录的位置都可以用一个Long来记录。
我们先来分析复杂的,in-heap模式:
[13-bit page num][54-bit offset]
这样就能可以表示8192个page。一个Page对应一个MemoryBlock。然后54-bit 可以表示Pb级别的,也就是说这个MemoryBlock可以是超级大的。
不过如果你还记得前文提到的in-heap模式里使用了一个long[]数组作为数据存储的,那么long的长度最大被限制为 Int的最大值,2^32 * 8,也就是32GB。然后所有的Page加起来,大约35个TB。足够大了 其实。
当然这里是这里的限制,在上层里,比如shuffle,可能又会有其他的限制,导致能表示的内存会更小些。这个后续的文章我会进一步阐述。
申请一个Page的流程为:
- 申请到空闲的Page number号
- 进行实际的内存分配,得到一个MemoryBlock
- 将Page number 赋给MemoryBlock
另外这个类也提供了一个不使用Page管理的方法申请内存,然后通过 allocatedNonPageMemory
对象进行追踪。
得到MemoryBlock,就代表我们真的拿到了内存,现在我们还要做一件事情,就是把一个记录用一个long类型表示出来,TaskMemoryManager 提供了encodePageNumberAndOffset(MemoryBlock page, long offsetInPage)
方法进行编码,编码的方式就是其那面提到的:
[13-bit page num][54-bit offset]
内部具体的就是一些位操作了。对应的还有各种decode方法。
你会好奇,只有offset,怎么知道一条记录的长度的?这个长度应该也要存储,才能还原回一条信息吧?
目前基本的做法是从offset开始,前四个字节来表示这条记录的长度,然后后面放具体的字节数组。为了解释这个问题,我从UnsafeShuffleExternalSorter
类里扣了一段代码出来:
获得这条记录的逻辑地址,也就是一个64-bit的编码
final long recordAddress = taskMemoryManager.encodePageNumberAndOffset(dataPage, dataPagePosition);
//dataPageBaseObject 其实就是数组对象的地址,然后以他为基准, 在dataPagePosition 处写入一个int类型数据,这个就是内容的长度。实际的内容就会放到这个位置之后
Platform.putInt(dataPageBaseObject, dataPagePosition, lengthInBytes);
//最后把数据要拷贝的实际的内存中,就需要多要4个字节了。所以这里要加回来
dataPagePosition += 4;
Platform.copyMemory( recordBaseObject, recordBaseOffset, dataPageBaseObject, dataPagePosition, lengthInBytes);
上面分析的都是in-heap。那off-heap呢?
整个流程也是一致的。区别在于 off-heap拿到的是绝对地址,不是某个页的偏移量,为了统一处理,在进行编码的时候,我们要通过下面的公式重新算off-heap 在page中的相对位置:
offsetInPage -= page.getBaseOffset();
这里,page.getBaseOffset()是page对应的内存块的起始位置,也就是MemoryBlock的offset变量。如果你还记得上面off-heap申请MemoryBlock的方式,这个就是一开始拿到的偏移量。
这样就拿到相对于MemoryBlock的相对地址了,处理起来就可以和in-heap一致了。
解析的时候,就是反过来就行了,重新得到实际的绝对地址,然后类似in-heap,往前四个字节写长度,后面写实际的内容。
总结
我们看到,Spark Tungsten中,内存管理机制其实还是比较简洁明了的。了解这个本身可能用处不是很大,对于实际上层的应用,权当做好玩吧。