看了许利杰老师的这本书，老师在理论层面讲的比较清楚了，读起来也容易理解，但看完但总是感觉还差点什么。于是动手起了个项目，定了个小目标：实现 RDD 的逻辑。
目前 RDD 的 MVP 已经完成，最大的收获是彻底理解了几个费解的问题：
1 ，Stage 的切分原理，为什么要这么做
2 ，Shuffle 是如何实现的，write/read 是如何衔接
3 ，Partition 为何如此的重要
有兴趣的同学一起 github 交个朋友吧，项目地址 https://github.com/changzhiwin/spark-core-analysis ，特点：
1 ，聚焦在 RDD 层面（这是 Spark 的根本）
2 ，入门明确，代码量小（保留逻辑），容易上手运行（运行起来，理解代码就容易了）
 | 1 winchang OP 接下准备集成 rpc 部分，因为并行计算是 rdd 的核心特性； cache 和 checkpoint 也很重要，但可以看成是优化的部分。 1 ，官方在 2.0 时弃用了 akka ，所以也将不依赖这个库 2 ，本着理解核心逻辑，周边逻辑不考虑（例如 metrics ） |
| 2 winchang OP 又来更新了，通过这一阵时间的理解，算是吃透了 spark rpc 的实现（ netty 本身不算哈）。 核心是理解 Dispatcher+MessageLoop+(Inbox/Outbox)，项目已经集成了 Inbox 的特性，持续更新中... |
| 3 winchang OP update ，完整实现了 rpc 模块，可独立运行 |
| 4 winchang OP Update, 实现了 cluster 模式，支持一个 Driver 进程，多个 Executor 进程运行； 基本达成预设目标，开心一下 |
 | 5 shiyanfei5 Oct 25, 2022 厉害！ |
 | 6 alisdlyc Sep 30, 2024 666 |
Select Language