Uber Remote Shuffle Service 使用教程

1. 项目的目录结构及介绍

Uber Remote Shuffle Service (RSS) 的目录结构如下所示：

uber-remote-shuffle-service/
├── .github/
│   ├── workflows/
│   │   ├── build.yml
│   │   └── docs.yml
├── .gitignore
├── pom.xml
├── README.md
├── LICENSE
├── NOTICE
├── src/
│   ├── main/
│   │   ├── java/
│   │   ├── resources/
│   │   └── scala/
│   └── test/
│       ├── java/
│       ├── resources/
│       └── scala/
└── target/

• .github/: 包含 GitHub Actions 工作流配置文件，用于自动化构建和文档生成。
• .gitignore: 定义了 Git 忽略的文件和目录。
• pom.xml: Maven 项目对象模型文件，包含了项目的构建配置。
• README.md: 项目自述文件，包含了项目描述和使用说明。
• LICENSE: 项目许可证文件。
• NOTICE: 通知文件，通常包含有关项目的法律声明。
• src/: 源代码目录，包含 Java 和 Scala 源文件以及资源文件。
• target/: 构建目标目录，Maven 在构建项目时在此目录下生成编译后的文件和打包文件。

2. 项目的启动文件介绍

项目的启动文件主要位于 src/main/java/ 目录下。以下是主要的启动类：

• com.uber.rss.StreamServer: RSS 服务的启动类，用于启动 RSS 服务器。

启动 RSS 服务器的命令如下：

java -Dlog4j.configuration=log4j-rss-prod.properties -cp target/remote-shuffle-service-xxx-server.jar com.uber.rss.StreamServer -port 12222 -serviceRegistry standalone -dataCenter dc1

其中 -port 参数指定服务端口，-serviceRegistry 指定服务注册类型，-dataCenter 指定数据中心信息。

3. 项目的配置文件介绍

项目的配置文件主要用于设置 RSS 服务器和客户端的行为。以下是一些主要的配置文件：

• log4j-rss-prod.properties: Log4j 配置文件，用于设置日志的输出格式和级别。

此外，项目还通过 Maven 的命令行参数接受配置，例如：

• -DskipTests: 跳过单元测试。
• -Pserver: 打包服务器相关的代码。
• -Pclient: 打包客户端相关的代码。

在运行 Spark 应用程序时，还需要在 Spark 配置中添加相关的 RSS 配置，例如：

spark.jars=hdfs:///file/path/remote-shuffle-service-0.0.9-client.jar
spark.executor.extraClassPath=remote-shuffle-service-0.0.9-client.jar
spark.shuffle.manager=org.apache.spark.shuffle.RssShuffleManager
spark.shuffle.rss.serviceRegistry.type=standalone
spark.shuffle.rss.serviceRegistry.server=server1:12222
spark.shuffle.rss.dataCenter=dc1

这些配置确保 Spark 应用程序能够使用 RSS 服务进行数据混洗。