SparkCore：Spark原理初探（执行流程图）

杨利霞

( [* g* l4 u+ g, U- ]. j: L8 }SparkCore：Spark原理初探（执行流程图）
5 f4 L  T; T0 s; c基本概念
  B8 a. }! T9 i3 E/ \9 f6 p
8 H2 L& @$ r* ?

/ @. J. x+ x' P9 q# e$ p
5 i- R5 y  U7 P' e2 r+ [6 q: ?

: W) r0 J( p. V; e1 L3 a- V, z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。
4 G$ M0 b/ u; t: KDriver：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
; f! I" ]5 U0 N& Q3 Z) rCluster 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；
0 W, G* w7 p! _0 R% dRDD：Resilient Distributed Dataset弹性分布式数据集，是分布式内存的一个抽象概念；
4 [- ]! b! w9 t$ T" A* s9 cDAG：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
9 M' g" Z' }, ~' jTask：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
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；
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。
3 g1 a: R) n$ TTaskScheduler将Task发放给Executor运行，同时SparkContext将应用程序代码发放给Executor。
; _% @+ D) M2 S' J0 S! tExecutor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。
- Q2 \8 b' o' s! p& |1 f" i流程图解
; ~& @% Y2 r7 W: [; b5 e- g


. C4 |1 K& u, V" x/ Z




# U5 E; i1 T) w4 O

& a: s( q) B' m5 n7 E
3 S) X( V# a& g/ M/ t9 p2 b
+ B8 ^8 V2 r. f, {% D
总结

8 h8 g: `3 F$ Y5 h9 N1 q! vSpark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
* f, q5 @) w  ?RDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
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