SparkCore：Spark原理初探（执行流程图）

杨利霞

SparkCore：Spark原理初探（执行流程图）
2 T, I6 a% T/ |" e0 p5 P+ S' u! B基本概念
: j! q$ L1 o. S6 S: T/ u
& M/ x) ^4 S6 Q




名词解释
Application：指的是用户编写的Spark应用程序/代码，包含了Driver功能代码和分布在集群中多个节点上运行的Executor代码。
Driver：Spark中的Driver即运行上述Application的Main()函数并且创建SparkContext，SparkContext负责和ClusterManager通信，进行资源的申请、任务的分配和监控等
Cluster Manager：指的是在集群上获取资源的外部服务，Standalone模式下由Master负责，Yarn模式下ResourceManager负责;
5 ]7 f# b" n+ a9 ~2 r& Q4 |. oExecutor：是运行在工作节点Worker上的进程，负责运行任务，并为应用程序存储数据，是执行分区计算任务的进程；
3 z+ o, K" T! |4 V5 gRDD：Resilient Distributed Dataset弹性分布式数据集，是分布式内存的一个抽象概念；
. J  u( ~/ C( }7 C# ^DAG：Directed Acyclic Graph有向无环图，反映RDD之间的依赖关系和执行流程；
Job：作业，按照DAG执行就是一个作业；Job==DAG
% H) `& O( J% XStage：阶段，是作业的基本调度单位，同一个Stage中的Task可以并行执行，多个Task组成TaskSet任务集
Task：任务，运行在Executor上的工作单元，一个Task计算一个分区，包括pipline上的一系列操作
/ T" C, ~/ M, y* w# Y" t0 [基本流程
1 Z' H- ]" I( r4 f' Q; z
Spark运行基本流程
% m9 ?3 g' M; S3 `$ |" }& X当一个Spark应用被提交时，首先需要为这个Spark Application构建基本的运行环境，即由任务控制节点(Driver)创建一个SparkContext，
) g% V: ?. d- ^$ e7 wSparkContext向资源管理器注册并申请运行Executor资源；
  C! ^4 `* j$ q3 Z5 ~- \资源管理器为Executor分配资源并启动Executor进程，Executor运行情况将随着心跳发送到资源管理器上；
SparkContext根据RDD的依赖关系构建成DAG图，并提交给DAGScheduler进行解析划分成Stage，并把该Stage中的Task组成Taskset发送给TaskScheduler。
: X) n: }* N% Q4 i* pTaskScheduler将Task发放给Executor运行，同时SparkContext将应用程序代码发放给Executor。
+ p/ [+ |3 C8 x. c3 s; wExecutor将Task丢入到线程池中执行，把执行结果反馈给任务调度器，然后反馈给DAG调度器，运行完毕后写入数据并释放所有资源。
流程图解
, F5 l, H5 n0 z3 c

% t5 H% _( M6 y) l


! U9 P- c1 v( o9 t8 ]" W: O6 a

& s, G# P0 {, `( w


: U# i5 @" \1 `( d3 e

$ }$ ~" b8 D- `' ]% L
总结

1 B7 j& p! d! T# ?Spark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
RDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task
0 |6 r4 i6 L0 C8 l: W; T6 L. R
————————————————
. n" J( j1 k' `4 r, u版权声明：本文为CSDN博主「真情流露哦呦」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268