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）
6 D8 C% e$ e! U基本概念
, ]) \" ~9 S, B2 Y1 c8 P3 w2 g
& g1 K: T- m" m2 w, {+ N

+ {( h4 h7 o2 b8 C6 r


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。
3 `+ O. u2 S# |: S7 z5 L* [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
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;
, f  F* T/ M8 y4 P; Q6 z( T$ WExecutor：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；
- A+ s. c* d* m  sRDD：Resilient Distributed Dataset弹性分布式数据集，是分布式内存的一个抽象概念；
3 Z' W0 J+ o( nDAG：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
+ H  z9 v, \) x9 J! c8 E0 \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
  E, S+ L7 Q# l. _" f* p6 U& _0 BTask：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
% c  b/ i$ R5 U, l1 Y基本流程

Spark运行基本流程
! d$ ]. S; t$ r* F; t9 F) J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。
8 F* _" A, `' iTaskScheduler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。
流程图解
2 Y+ N/ I% K! ]! \. U, C" Z



6 `1 M7 n3 k! |/ C
* f' v; S3 V) C& ], M
0 ~: _2 r1 J8 s% O; f

  w, b8 D! z7 T  a: {* R) C
- U) l8 l# N0 z- v) r# r7 f
' ?% S& W- Z0 z( M9 z! m9 g7 W


总结
; r+ u, k" Q' K) e6 N5 t3 @3 A
# \6 Q  C" a0 r3 p6 g" hSpark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
" e5 H7 v) D: ^
————————————————
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。
" V! }% Z, Y3 @4 I5 u原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268

: _) u" B$ E' J* X
/ {1 p" i! B& ~