SparkCore：Spark原理初探（执行流程图）

杨利霞

. Y; |0 I0 _- T% o' e9 I: O4 TSparkCore：Spark原理初探（执行流程图）
基本概念
4 j1 `9 I8 Z' [2 L' Y2 n, }3 X3 T4 [

9 C* R) b; M2 k- }( ?4 C1 \' w



7 p& k( S! h6 r( S$ }: l3 x' F4 z2 K; Q名词解释
9 [. R8 c$ W- W+ SApplication：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；
3 ?' }5 C6 f0 V% `) d! R' C2 r$ UDAG：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
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
2 b& u& I4 ]( s8 A$ j% o基本流程
7 O7 ?' B/ N4 z
Spark运行基本流程
: ?9 X5 b$ m+ C% A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，
: h% w1 U" M# NSparkContext向资源管理器注册并申请运行Executor资源；
! O& |1 k- J& v" [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。
7 y* `* S9 O/ t3 G, ~7 |" U) e  [: FExecutor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

( |/ L4 Q( O: D7 W6 u+ k
% Q/ U) Q* |" `: _) u5 k

* T* ^! Z) A- S5 @


% X3 ?/ c: D9 f) d" a8 u5 q

3 Q+ [( z/ @/ q
2 r- H0 P' P) N! q
2 s8 q6 C3 w& L+ t! J
( X" u: ~6 z9 x% i+ l- V
* P( v, [1 [) l/ T( d) d3 G总结
; v' W9 Q- d& P9 u
( Y% ?1 f7 Q6 ?5 m6 e, a3 qSpark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
6 ?; ^2 `5 L/ o* J9 r6 A, ~- HRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
6 v( u' W3 L: n& f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。
原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268


9 ~9 X" q0 J. }/ s