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）
! K1 ?: [. A/ g! ^1 x基本概念


) D2 }5 g* c2 k8 ^


, h$ ~9 W0 d4 t+ X
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。
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;
  n+ Q7 E' `+ y2 e6 }$ YExecutor：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
, d6 r  G, {( b! J8 aTask：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
# v" F& x# L$ q4 T基本流程
$ M+ F1 @6 P+ [) K
" r- @5 h9 [; JSpark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；
6 f. W* @$ S) M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；
+ w, U' j5 k* O9 n# f7 _$ l$ {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。
# N; N. S% U8 E, ZExecutor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

% x8 @  ]( S  W/ \1 R
, R8 Q9 D, Y& T: j: K8 K# v
) ?' K+ [( @: R, [3 e1 T
0 r; C: o) _8 }0 j& `# }

, C% `, c& Y) B9 C6 N
: O+ d) P6 y$ N6 }$ j

  B; N$ {8 G. q) f
- R8 u' X1 @5 Q3 E9 c

0 X7 l7 Z& n. A/ ^
! K) L3 G( r, Z; u) L总结
+ u& w* o  l, E+ V
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
' R: m! e/ v0 t4 m/ w8 ?
+ c! w7 Z0 k! w  {1 J, R' X( G————————————————
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。
; S1 O: T( w- P: e3 O原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268

* P0 L8 U/ x: r" U6 t6 F) T