紧接着昨天，我们继续开搞了啊。。
1、下面，开始创建BroadcastManager,就是传说中的广播变量管理器。BroadcastManager用于将配置信息和序列化后的RDD、Job以及ShuffleDependency等信息在本地存储。紧接着blockManager的创建后创建。如下：
随之我们继续深入看这个broadcastManager是怎么创建与实现的。
可以看到，在initialize（）初始化方法调用以后，通过utils.classForName反射生成工厂实例broadcastFactory，可以配置属性spark.broadcast.factory指定，默认为org.apache.spark.broadcast.TorrentBroadcastFactory。广播变量与非广播变量都是以broadcastFactory工厂实现的。
2、接下来，开始创建缓存管理器CacheManager。CacheManager用于缓存RDD某个分区计算后的中间结果，缓存计算结果发生在迭代计算的时候，那么它是怎么实现的呢。我们继续深入~
我们可以看到，在创建cacheManager对象的时候，传入了blockManager,真正的缓存对象，依旧是blockManager,cacheManager是为blockManager做了代理。当迭代计算中，如果判断使用了缓存，就会调用getOrCompute，从blockManager.get(key)获取存储的block,如果存在，则封装new InterruptibleIterator返回，否则将重新loading partition，从CheckPoint中获取数据，调用putInBlockManager方法将数据写入缓存，进行InterruptibleIterator封装。
再次深入调用putInBlockManager的过程。发现传入了partition的key,computedValues,storageLevel存储等级，由BlockId,BlockStatus组成的元素。随之它里面又搞了些事情。
如果存储级别不允许使用内存，那么直接调用BlockManager的putIterator方法。通过判断putLevel.useMemory，也就是存储级别允许存储，那么就进行展开，如果展开成功则将数据存入内存，否则则写入磁盘。
然后继续，我们看下，开始创建metricsSystem,主要是用于加载metrics.properties文件中的属性配置，当所有的基本组件准备好后，开始创建SparkEnv.
最后，创建MetadataCleaner,它的实质是一个用TimeTask实现的定时器，用于清理persistentRdds中的过期内容，最后的最后创建SparkUI.
好了~今天就到这里，明日继续，我去敲代码咯~~~~
