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）
$ r$ v5 g& P3 {' G1 e" E! t基本概念
7 x' M# J! L- A( I
$ C8 F3 }' q" H$ }
2 A& K" a' Y1 m7 I  X4 e, h7 J

( O4 W8 |2 c8 T6 v3 s

名词解释
$ m; d  X+ \3 ^  FApplication：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。
3 b5 M8 c+ b5 k1 e% r. i6 gDriver：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；
+ y0 H: d/ v( T2 S' JDAG：Directed Acyclic Graph有向无环图，反映RDD之间的依赖关系和执行流程；
" Q; M' s0 \3 G" b1 |1 `' N9 V' mJob：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
" v  v- Z9 V) O( y* Y' v! o- y
- _/ t& u' b3 W- q( o7 m3 d5 E' DSpark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，
) q6 c2 \) m$ E+ ^6 P) DSparkContext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。
! y0 _$ J, P1 p7 t% A5 l6 zTaskScheduler将Task发放给Executor运行，同时SparkContext将应用程序代码发放给Executor。
5 x- [% c* B' [% d/ ^' C4 F. s: iExecutor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。
7 Q% X& [3 P2 A" s# A! Y流程图解
! W8 {8 G( m/ W3 U



! d3 q! J, p! l8 l. n/ J! Q  t  o( r

8 G% q& t! K0 ^# f7 X

5 i5 [+ I% A+ h  S: \+ X- p
; _" m: i+ u+ `* d; q3 S7 I
# t0 R5 f+ ^+ }% k+ N  O
5 I' G- x0 g0 T% y) o. e# L

; m8 H( {- l; s+ O6 q& N总结

Spark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
/ w- J! \, J) i1 MRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task
! I6 D" G6 \* W1 r
————————————————
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

3 p8 ~0 Y. S" u7 t  T4 f