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）
' C$ _$ u' R) V" `3 z4 `$ N基本概念




, K5 t# t  l! E, [3 ^

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。
, _) J" m% R/ Z* QDriver：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
2 l4 m( D0 }, Q9 e4 ^0 wCluster 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;
+ p6 `' P2 G' C8 K3 j2 b  M( IExecutor：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；
Job：作业，按照DAG执行就是一个作业；Job==DAG
7 n2 @7 t8 _, UStage：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
7 I! a) P' w* h) J. j基本流程

Spark运行基本流程
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，
SparkContext向资源管理器注册并申请运行Executor资源；
2 ^9 d6 s  M2 v+ r; ~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。
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。
流程图解

/ @9 N7 x& t2 U4 u) J+ c

) u$ l) e9 ?; c


/ g5 _+ t1 ~$ N
/ j6 W# U; G0 P1 b% i, P3 z
- b  k. r3 m- S6 B  I, |
* P" I" g9 Y9 I( A5 a
; j8 G, H& v% l  Y: G3 f# y
$ p  M. i# g7 ^

1 j' ]! }  N6 p总结
- A* T& N( r( f' p7 ]# B' A. z
1 x4 g* w1 _$ h+ g! z/ V& m4 K# nSpark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
2 ^' K9 j% }; E. W% T* ^RDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task
) d8 ~6 s7 {* l$ m. v
. V0 }% J: ~' Z————————————————
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

; C( D& N% o$ E
; X# G1 c- {; Q, G