SparkCore：Spark原理初探（执行流程图）

杨利霞

4 D. T% P: R; T: \1 ^SparkCore：Spark原理初探（执行流程图）
基本概念

, m6 U2 E8 A* i/ N* O

6 v1 N: O8 z: a2 O
9 z' u" r: u0 d, S  e8 o
, [4 E  S* _" `4 Q9 \
名词解释
9 u# Q  Q  W& P% M5 J& O, `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。
8 M2 a$ J9 d# u- s1 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
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
" H7 `0 m: d# V1 q7 p: fStage：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
2 W9 e4 k  u+ Q5 n8 I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，
# \! g- J+ {3 a# R% \5 Q; gSparkContext向资源管理器注册并申请运行Executor资源；
4 t5 h. P- C% j, K/ w4 s1 m9 g' ]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；
0 {: w$ `; W1 `( r6 K6 N1 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。
' o6 s9 U( m+ n" rExecutor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

5 T5 Q8 d$ x( k+ j* b+ Y6 S



% f* Q7 N4 l! F, Z4 ]2 {



# d4 C  T* R% p6 ^1 z6 w% P) A

6 n+ H3 A' n4 u8 o* h

总结
6 e$ W! e' F. ^3 m  j" F0 D2 i, H
: Z+ }. v$ y* M( g7 }4 iSpark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
5 I' B/ T* w  {0 o, D' l4 j' ARDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
& }$ Z" D' |3 v) k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。
) Q2 `3 T) s3 q7 }6 y. k  |# s原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268

0 M' R# z5 j9 H! d( d6 F' G) I