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）
基本概念
; O$ k9 |& p$ a2 B: J




* @" J- I: u+ u
名词解释
! }, D' {( H3 R; W# N1 JApplication：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。
: y3 m# S9 O9 u" i1 _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
5 W5 V3 K2 m4 M" v8 BCluster 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；
! Y* H! S) C4 R. O% `) i  @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
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
6 F, Y' f) [; h; E5 y/ M基本流程
& t& A! O1 S8 |' {% w
Spark运行基本流程
9 ~; w+ j0 l, O9 R" F% p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，
$ v3 E8 S- P+ ^/ h2 Q) O: WSparkContext向资源管理器注册并申请运行Executor资源；
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。
! D* U: _5 i; I; V, N1 F3 |流程图解
) {. Q# @4 p+ j
- q# R: N# P& Q2 K1 j
2 m0 n8 [/ O$ c
; }# O6 I0 n- ~8 u' t  r$ V# f) ^& X# G+ K
  m, I0 }, ^% ~" t, D


2 h+ _3 k7 i1 h# O5 n3 ]


2 f# o2 N% J! U0 _0 c2 |! {0 c
, f4 i+ f7 E; c; Q2 {  `- |5 I% E
  R: Q# [9 X7 z9 ~9 H+ j3 }# B
总结
' Q' o5 {2 y9 ^% F, ^: N
Spark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
5 {! g) d. L8 j3 U. GRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task
+ {  w/ S$ U: q/ u, F
————————————————
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
4 s# H4 r) Y! g' C2 h
) d- f, A* U5 i6 A( R- H
: T# P* _1 @) |* ~9 M3 _8 H) [