SparkCore：Spark原理初探（执行流程图）

杨利霞

, B& I) U  i  rSparkCore：Spark原理初探（执行流程图）
6 E" E) Y. P7 |  U1 f% o: K/ s基本概念
  U/ A7 G" ?6 B. b- z( ]
, Q* d* s& v9 Z' V0 n; t
. M$ K5 V& M; Q' m; p; S6 R! x
/ t7 A; `* q( a2 D

+ a/ d8 e" O8 `# O
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 s; E) P, f' B" GDriver：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
1 ?! {3 N" S8 V/ }) n4 v+ b8 qCluster 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;
2 [* i5 D3 e2 MExecutor：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
* T- t  P6 x6 `! v& v  B1 ]( lStage：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 N0 ~1 F2 o, m  H) ]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
* E, t  l/ T1 m! a- y基本流程
; x1 k) K3 l/ A, N$ J, @" j) Q" H
  J" l$ c: k- p) x3 M4 ]! }9 GSpark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，
) o) ^! o) \! h5 pSparkContext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；
$ J% r+ p* g+ cSparkContext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。
' l; ^( J) ~9 [) _" s: WExecutor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。
# Y8 ~7 [7 P5 l流程图解





! ]( `8 H5 O& }. W/ V& b6 a% ^# f
& m4 f; u9 z8 R" |; |9 H
9 o& `; P5 g  i$ J/ T



6 h# `4 W" J5 Y0 a( a9 t9 ^
. v3 {) b6 W; l; @: {
总结

& R% d$ s' A0 {6 M$ pSpark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
9 B% R; b6 K, h( m7 |RDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
, H4 V' F! E, Q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。
7 f; L! Q, {* g  H! \' U0 I% o; }原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268