SparkCore：Spark原理初探（执行流程图）

杨利霞

, g" O0 e7 q: g4 S" }( u# O2 YSparkCore：Spark原理初探（执行流程图）
基本概念
5 f- [) [$ j: t6 i9 Z$ \: ^* Z


  Z7 Q6 S- e  z5 t


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。
3 a' M  g& ^5 |+ X4 u& 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
- u* h" G) x# U6 v2 t/ b  T5 {5 hCluster 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
! g0 G$ o+ D& n8 z8 Q7 zStage：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
6 I, |3 _2 Y( _7 PTask：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
+ z# k) ~1 l$ X/ Z' d基本流程
5 ^9 e: V' w" |* l$ {( ~
  g* B& \/ g# ~  ]; }Spark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，
  _4 }0 X2 j. j& H  P0 zSparkContext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；
" m( X% V  r0 @9 v( tSparkContext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。
5 o0 n8 Y3 j. e. r' K: \流程图解



7 `# x. [0 m. T+ ?' b& d
; h. w# R. q; b" J% _# \
( h9 R* n, P' ^

% b& S( H1 y, W2 v/ V3 L$ _
, O! E- S/ i6 A" t; s& D1 j6 S



: O4 B0 }! I( v2 G5 J
总结
$ b- A- \* O  o9 a: |) m8 |
2 @0 y; C& h( m( ~) o# YSpark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
) S1 c' t( n' n  v) RRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
/ G7 b6 ^( k7 S! _3 o& w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
; t8 h5 X5 J) u* s- V& h