CacheManager运行原理流程图和源码详解

一：CacheManager分析：

1，CacheManager管理的是缓存，而缓存可以是基于内存的缓存，也可以是基于磁盘的缓存；

2，CacheManager需要通过BlockManager来操作数据；

3.当Task运行的时候会调用RDD的compute方法进行计算，而compute方法会调用iterator方法：

/**
 * Internal method to this RDD; will read from cache if applicable, or otherwise compute it.
 * This should ''not'' be called by users directly, but is available for implementors of custom
 * subclasses of RDD.
 */
final def iterator(split: Partition, context: TaskContext): Iterator[T] = {
  if (storageLevel != StorageLevel.NONE) {
    SparkEnv.get.cacheManager.getOrCompute(this, split, context, storageLevel)
  } else {
    computeOrReadCheckpoint(split, context)
  }
}

二：CacheManager源码详解

1，Cache在工作的时候会最大化的保留数据，但是数据不一定绝对完整，因为当前的计算如果需要内存空间的话，那么Cache在内存中的数据必须让出空间，此时如何在RDD持久化的时候同时指定了可以把数据放在Disk上，那么部分Cache的数据就可以从内存转入磁盘，否则的话，数据就会丢失！！！

2，具体CacheManager在获得缓存数据的时候会通过BlockManager来抓到数据；

/**
 * Get a block from the block manager (either local or remote).
 */
def get(blockId: BlockId): Option[BlockResult] = {
  val local = getLocal(blockId)
  if (local.isDefined) {
    logInfo(s"Found block $blockId locally")
    return local
  }
  val remote = getRemote(blockId)
  if (remote.isDefined) {
    logInfo(s"Found block $blockId remotely")
    return remote
  }
  None
}

3，如果CacheManager没有通过BlockManager获得缓存内容的话，此时会通过RDD的如下方法来获得数据：

val computedValues = rdd.computeOrReadCheckpoint(partition, context)

上述方法首先会查看当前的RDD是否进行了CheckPoint，如果进行了的话就直接读取CheckPoint的数据，否则的话就必须进行计算；计算之后通过putInBlockManager会把数据按照StorageLevel重新缓存起来；

4，计算之后通过putInBlockManager会把数据按照StorageLevel重新缓存的时候如果需要放在内存中