SparkCore：Spark原理初探（执行流程图）

杨利霞

( }, f7 a, ]# m4 PSparkCore：Spark原理初探（执行流程图）
基本概念
- X# H+ g' {1 F: D3 O3 B8 f3 f
( a/ v, O- h$ z) t+ [! e6 B) b
; k. V" P' R" ]3 @: g9 p
) Y6 f" ~) G& W3 ]! I& D
2 s, |/ E4 v( H* M4 m! Q$ y

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；
3 S" @, ]- q- k+ d$ IDAG：Directed Acyclic Graph有向无环图，反映RDD之间的依赖关系和执行流程；
$ k4 A8 [! [% ]# u! i0 D- v7 c; y- @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
& t0 k' d# r( J6 k+ qTask：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 H0 m8 m: d. G5 S9 S4 s5 sSpark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 R) k9 o0 h% l0 w% HSparkContext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。
) D6 v+ c7 Z: }4 pTaskScheduler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。
4 Z  \0 S' n3 Z. ]  V% T流程图解
2 T! J9 U  \7 B5 O' E! D# L4 z
% k6 {3 \! t, z1 \. z& a" p  [
% c. b7 e2 y* {9 x6 C


7 a( L" T1 V, t4 F
$ S+ G9 w7 V6 g$ F' z
* A2 H7 K8 U$ T6 Y
0 k! f1 m, w: G& J: ]1 v

: p+ U7 O7 b/ S3 Y
* H9 \* A' U2 g! [

4 ]. ^* o; Z4 X2 {$ v9 F. c- y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
RDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task
9 _' I& M2 U5 N9 H
————————————————
# D8 U9 v# O4 W" N/ o# B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