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）
% A+ }: _1 G- C0 K( K: x# }. o基本概念






0 j- B7 e# w1 b( P) D0 W! d0 Y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
! u/ B% m1 g0 v3 p7 ~# }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；
Job：作业，按照DAG执行就是一个作业；Job==DAG
; O- Y% H: A" o# KStage：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
4 @+ b1 [9 H2 RTask：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, e5 N; u9 z- v3 c' U$ [
, V, x+ @( e) M8 ASpark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；
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；
8 O* u3 w$ r& v1 s, Z% D/ L0 z9 P; iSparkContext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
) e8 w+ ]5 ?# {# \- k




& X2 p) u( c  b  f8 c) P
: L/ G2 g2 O8 _* q" O, v  [8 }



) N4 Y7 A' m- k" I) q9 @& {

0 C# {4 X9 ]' \
总结
. f$ }) J+ k% k  U% F) I- j
Spark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
$ P6 P6 i6 [: y+ L/ C2 Y& P- SRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

1 L; W. C. g/ c! Y————————————————
; H. K$ ?& b& q' v" m8 C, M2 I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。
- I. C: p2 F( C. T! `原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268

7 A0 c& }; E3 r8 u3 f4 [; R
/ j  p# L$ i6 i; R