SparkCore：Spark原理初探（执行流程图）

杨利霞

" v7 A( E! W+ Y' Q4 [+ a4 W2 uSparkCore：Spark原理初探（执行流程图）
; d5 f7 K+ [$ I9 t' R基本概念



& N- L( N3 `8 Z
9 }+ N# P! L1 V

& U: W0 {( a$ D2 E" ]. J名词解释
: I" C" q0 t' L6 x/ ^8 `% gApplication：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。
( b% z# _4 i) U- T- K* hDriver：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；
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
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
基本流程
) _; X8 C( J$ I: a! ?
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；
1 [( s$ O* H$ }/ D& [2 y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；
2 q2 }7 w3 }) o7 @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。
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。
; s. M) W. p4 L2 B  x4 O% L  Y流程图解

5 u" t4 _# Y" q# t

6 h3 ~' Z% U. b* a
9 ^$ I$ R* i0 j3 O

$ w5 {  F3 b, ^! p. M& o' s
3 V# t# [  R) w( w! a) k8 [


  c% W4 m4 g% g- \/ p


: N1 _; g  M& B, q总结
2 M8 x' Z, R8 }8 z' {/ z1 V
/ a. d/ G1 @  ~; @# ~+ ?. S+ M' RSpark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
/ K& f* v2 f4 V  lRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
' d8 o/ W9 K0 |9 C4 A9 A7 \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
) G4 ^; Y2 a* F/ u, {7 `  @
- p9 d1 M) @; g  |3 v
8 k" E6 W- F: B5 {4 I' G% y# V