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）
+ O" E$ q9 y* m3 }8 f基本概念
- W- H# h% j$ s" b1 Y- u' H
6 \; M7 B) i8 Z8 i; Q
) v2 {2 a6 H1 Q9 t6 z, e$ f9 ]
$ A* |  I  I- y4 i# g/ R
1 |3 n2 l* D- S( G$ E/ x

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;
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；
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
4 a: @$ v$ s, \  \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

5 X% D2 d! v) r+ I- mSpark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；
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；
6 o+ C5 F5 v5 L# \4 pSparkContext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。
+ v. y3 T# }# V$ \& H流程图解



9 {2 b. Z, o2 l: J, u
# p% ~- p! u- W7 X! L+ J* h
  C+ w/ K2 U: v- q% R7 n

4 l" i6 Z; h) Z; v



5 h2 r( V3 t$ {1 T, F, P- X2 Z% G
4 Y3 B$ x6 x! z' d- l4 W
+ M& v! |4 t! u2 V8 y总结
# j( H- `3 t( W4 R
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
& {% q  V% j1 p, M! r
7 }) g" C, V# f5 V————————————————
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

6 x! d* o/ s3 X6 i8 i
) l3 t2 s" F$ j3 q2 B" x5 O