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）
基本概念

; {) E% X- ]  k  |' G4 m$ B



6 W1 z9 O) m! ~
# ]. C# ]3 L: h5 V/ V5 N名词解释
$ P' K/ E2 f9 Y( vApplication：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
" N8 j1 @! P, S( y* z- wCluster 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；
+ o) d7 r: o2 JDAG：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
: v9 o( |; h0 O* g2 m1 P' u9 rTask：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
$ c. w  n) y- A9 {* [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，
5 M5 l+ ]: Y  U+ ]SparkContext向资源管理器注册并申请运行Executor资源；
$ ]: c: ~+ o: l1 v6 ^* T+ f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；
$ T! _9 j/ y: Q6 X% @- C, uSparkContext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。
/ m+ L# p: l7 @; mExecutor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 U6 `) e4 s$ V% @6 i/ q流程图解



1 `6 o9 i7 L5 W7 X- s
* o( F1 y" U% ]7 m


) E# V; @8 t3 W8 p# p- T9 q. Q




+ z5 v7 F8 f+ z) V% r- c# v/ u- p
' ], j$ V- \( C7 b总结
, d) H* a- l  ?& x# M3 U
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

————————————————
! m! R: E* 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
7 ?; ^) c9 \( r5 K
, D' y# U* }: q0 \7 w
# \, s# r& n; r