SparkCore：Spark原理初探（执行流程图）

杨利霞

& P7 N9 h8 M4 |, z. F" ^- o+ a4 e7 _SparkCore：Spark原理初探（执行流程图）
$ J) A7 y* A1 z% i8 h3 W* @7 ]& N, f基本概念
0 c/ G4 H' j. \3 x" D

  z# _* V- f" j" d


* y8 c; g% w8 I
$ |# [5 B8 n" O; [# H名词解释
# z  x4 |! H% C& C; g/ T6 e7 CApplication：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
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；
" ]* P5 `( H8 H* `- lJob：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
/ l: ^, P0 y* c. TTask：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

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，
" z" d: ~1 d/ x- ?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。
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。
流程图解


6 c$ B# U/ f; Y/ q* s* C" |


1 E9 B6 f; o; _* o: J! u4 A


2 s1 P: c+ ]$ h( c3 G3 F
0 W. c. v8 M& Z1 v/ `- j) h
4 `6 A+ s4 b5 G8 q0 A! n

: z) y% U  k3 i2 Q5 \5 K$ e( D
. z/ z7 G3 |6 z$ Y  }总结
! B: Q4 a" ~3 L' Z0 `
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

————————————————
* ~! i* m, y" Q  V3 w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。
% I9 Z3 P. P: v原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268

2 a. ^* H) x- m+ X/ d
. @' b; i" t6 [  B2 v4 O