SparkCore：Spark原理初探（执行流程图）

杨利霞

' I' I' k% ~$ \4 L( I, dSparkCore：Spark原理初探（执行流程图）
0 V5 C0 H  z, j$ C" w9 y+ t: ~* L基本概念
3 [0 X+ N& H3 H4 d0 S




: p) z' ^* l( h) B! r) ?$ A
名词解释
. v7 q' {" j( |! N& E. Q5 F# `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。
# D7 k( O  @  l: ?- K( NDriver：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
: M. t% D8 h& w# [1 @" C9 j$ ]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；
1 O5 m2 n5 ]% ^, ]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；
. k1 A$ n4 @# f* W! q4 t/ ?  GDAG：Directed Acyclic Graph有向无环图，反映RDD之间的依赖关系和执行流程；
# ?. U- W1 a$ j( p  JJob：作业，按照DAG执行就是一个作业；Job==DAG
+ h  \# ]9 f, B4 Q3 ]; r  Q( z/ bStage：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
5 r# V; U3 `% H( ^# U
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，
6 e9 Q6 [0 a. @, ASparkContext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；
! e+ u& p7 ]$ _  u- L" w% t- k3 _( RSparkContext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。
) p  ^; k2 y% w  l6 |流程图解
4 \, e1 `1 K' X  h/ y' `
0 @1 e$ L' K3 h5 V
+ l" e" @# ~; Y4 l* C



- d' v( t/ ]8 u1 K4 e
1 V  z7 N7 F" M+ x



9 B* B: @; c$ X! z/ x

. n+ G' ~3 c  @/ a- K总结

: j- m2 B3 G& o6 U' o* 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

————————————————
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。
, c3 T2 @+ P7 S. Q  G原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268
$ [& n/ D; o  D