spark2.1.0的配置与源码分析

Spark作为一款优秀的计算框架，也配备了各种各样的系统配置参数(例如：spark.master，spark.app.name，spark.driver.memory，spark.executor.memory等)。

Spark的配置通过以下三种方式获取：

1、来源于系统参数(即使用System.getProperties)中以spark作为前缀的那部分属性;

2、使用SparkConf的API进行设置;

3、从其它SparkConf中克隆。

下面将具体说明这三种方式的实现。

系统属性中的配置

在SparkConf中有一个Boolean类型的构造器属性loadDefaults，当loadDefaults为true时将会从系统属性中加载Spark配置，代码如下：

以上代码调用了Utils工具类[2] 的getSystemProperties方法，其作用为获取系统的键值对属性。loadFromSystemProperties方法在获取了系统属性后，使用Scala守卫过滤出其中以“spark.”字符串为前缀的key和value并且调用set方法最终设置到settings中。

代码清单3-1 SparkConf中set方法的实现

使用SparkConf配置的API

给SparkConf添加配置的一种常见方式是使用SparkConf中提供的API。其中有些API最终实际调用了set的重载方法。

代码清单3-2 SparkConf中重载的set方法

可以看到代码清单3-2中的set方法实际也是调用了代码清单3-1中的set方法。

SparkConf中的setMaster、setAppName、setJars、setExecutorEnv、setSparkHome、setAll等方法最终都是通过代码清单3-2中的set方法完成Spark配置的，本书以其中最为常用的setMaster和setAppName为例，用代码清单3-3和代码清单3-4来展示他们的实现。

代码清单3-3 设置Spark的部署模式的配置方法setMaster

代码清单3-4 设置Spark的应用名称的配置方法setAppName

克隆SparkConf配置

有些情况下，同一个SparkConf实例中的配置信息需要被Spark中的多个组件共用，例如：组件A中存在一个SparkConf实例a，组件B中也很需要实例a中的配置信息，这时该如何处理?

我们往往首先想到的方法是将SparkConf实例定义为全局变量或者通过参数传递给其它组件，但是这会引入并发问题。虽然settings是线程安全的ConcurrentHashMap类，而且ConcurrentHashMap也被证明是高并发下性能表现不错的数据结构，但是只要存在并发就一定会有性能的损失问题。

我们可以新建一个SparkConf实例b，并将a中的配置信息全部拷贝到b中，这种方式显然不是最优雅的，复制代码会散落在程序的各个角落。现在是时候阅读下SparkConf的构造器了，代码如下所示：

SparkConf继承了Cloneable特质并实现了clone方法，clone方法(见代码清单3-5)的实现跟我们所讨论的方式是一样的，并且通过Cloneable特质提高了代码的可复用性。

代码清单3-5 克隆SparkConf配置

这样我们就可以在任何想要使用SparkConf的地方使用克隆方式来优雅的编程了。