SparkEnv

1.简介：保存正在运行的Spark实例（主服务器或工作服务器）的所有运行时环境对象，包括序列化程序，RpcEnv，块管理器，映射输出跟踪器等。目前Spark代码通过全局变量查找SparkEnv，因此所有线程都可以 访问相同的SparkEnv。 它可以通过SparkEnv.get访问（例如在创建SparkContext之后）。

2.构造方法：

class SparkEnv (
    val executorId: String,   //证书，判断是驱动器环境还是执行器环境
    private[spark] val rpcEnv: RpcEnv,   //远程通信环境
    val serializer: Serializer,   //序列化器
    val closureSerializer: Serializer,   //关闭序列化器
    val serializerManager: SerializerManager,   //序列化管理器
    val mapOutputTracker: MapOutputTracker,   //map输出跟踪器
    val shuffleManager: ShuffleManager,   //拖拽管理器
    val broadcastManager: BroadcastManager,   //广播管理器
    val blockManager: BlockManager,   //块管理器
    val securityManager: SecurityManager,   //安全管理器
    val metricsSystem: MetricsSystem,   //测量系统
    val memoryManager: MemoryManager,   //内存管理器
    val outputCommitCoordinator: OutputCommitCoordinator,   //输出提交协调器
    val conf: SparkConf) extends Logging    

3.主要成员：

private[spark] var isStopped = false
private val pythonWorkers = mutable.
                             HashMap[(String, Map[String,String]),PythonWorkerFactory]()

//HadoopRDD拆分计算期间所需元数据的通用软参考映射
//（例如，HadoopFileRDD使用它来缓存JobConfs和InputFormats）。
private[spark] val hadoopJobMetadata = new MapMaker().softValues().makeMap[String, Any]()

private[spark] var driverTmpDir: Option[String] = None

4.初始化：SparkEnv.scala无初始化代码