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
9 A. g( A) q" @



. t* s& j' T2 s5 B

& v3 H9 \, S8 k. A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
& j4 Q  H7 ^5 V1 dCluster 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；
! z: k. d0 [5 YRDD：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；
+ L+ ~* s5 u( a' s* E- AJob：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
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
' `  V' j7 I8 f1 T- m+ Y基本流程

% F* Q- E& i$ s/ H  V3 U3 sSpark运行基本流程
, ]$ u  v" n8 {6 \) @  v" Y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，
/ K6 @3 Z/ r- E/ n% R, e  cSparkContext向资源管理器注册并申请运行Executor资源；
" D! W% [- }0 c, d; C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。
4 m+ e8 f7 ]" z+ T; {$ d/ j4 {TaskScheduler将Task发放给Executor运行，同时SparkContext将应用程序代码发放给Executor。
0 i7 h' Q! B4 _+ n% hExecutor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。
8 N/ z; ]  ^) I/ K* W4 T流程图解




0 w/ x) K, V. C
! T3 y! ^9 t% o$ \


5 d1 X# p2 Z/ j8 i& Q8 ^; }. w! Y+ B9 W# I


- n" j( N# M# F% U. W- A( |

# i8 w! H' Y% i0 q4 s3 B总结
- I' \7 `; j  H& |# N
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
$ h( g$ ]0 j- w/ L
————————————————
; J( ^$ A* u; B9 i% A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。
: `$ ^1 J' d1 w原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268
2 j! g7 P9 K, c" l: ?" r- k, \
- X% |: h+ U1 l8 ~6 a
0 N4 P; X0 T8 N/ Q8 e- u