SparkCore：Spark原理初探（执行流程图）

杨利霞

4 }6 e. P: M7 T6 @8 hSparkCore：Spark原理初探（执行流程图）
5 ]9 n( X* b3 t% Y3 g基本概念

9 ^' D$ g+ A) L6 D! \


1 y5 ?" t- J! k5 L' n- D( @

7 g3 z0 M4 E+ ~! f- G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。
) L+ Z1 e7 G  FDriver：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;
Executor：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；
RDD：Resilient Distributed Dataset弹性分布式数据集，是分布式内存的一个抽象概念；
DAG：Directed Acyclic Graph有向无环图，反映RDD之间的依赖关系和执行流程；
$ q, n  ]/ |$ `# V* PJob：作业，按照DAG执行就是一个作业；Job==DAG
Stage：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
基本流程

Spark运行基本流程
1 d" E2 b% r, l* I  y5 f' `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，
( z& Y; s  X9 \' z. Q# S0 \SparkContext向资源管理器注册并申请运行Executor资源；
6 K- i9 g- G' X! `/ r0 k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；
+ h+ x; ^' z8 CSparkContext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。
TaskScheduler将Task发放给Executor运行，同时SparkContext将应用程序代码发放给Executor。
Executor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。
1 Z9 q# d/ y9 [9 }2 G流程图解
9 N4 x$ C8 D7 U6 A" a! o9 @. j
: c3 T. X& v$ N5 Q7 A$ ]- j) n
* i# A& k9 v, L5 ~& c9 u
# u7 m- B7 c, p8 f
" {' R! D/ u2 O+ J, k% g2 ]4 b



) |& R/ @3 R. B, ~' ?' q
( ]$ H5 o4 y. ?" e6 L" U7 F
3 n" |/ j, l/ Z

3 f5 Q' m' z6 t, B6 S" h
: g% @( t7 z* \. p# r总结

: t' m( R6 ]; }$ _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

————————————————
# w" r7 A% a' ~0 Z; n0 u) l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。
* V9 x& j& {7 o, H; z4 Y8 n3 g原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268
+ @8 |& u. @0 B8 r