SparkCore：Spark原理初探（执行流程图）

杨利霞

8 ~  F4 j. t& q% n2 HSparkCore：Spark原理初探（执行流程图）
基本概念
1 |: _6 ?9 t* g- E- D) d$ o
" {9 }3 S6 A! d* n9 x8 c
2 `( _5 G1 G1 _* y
: p; E7 N1 d: J


名词解释
, W6 s/ e: E) N8 XApplication：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。
' E* T( e7 \" h0 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
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
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
" D/ ], Q6 Z: k/ M1 V5 z- e, yTask：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
9 d: h( [+ F- ?3 a+ |
" z# L3 G( ?# ^) M" m/ g7 }- R8 HSpark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，
" n: r! b% G# I4 J  `SparkContext向资源管理器注册并申请运行Executor资源；
% o& W, \- o' b% e* O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；
* v# G0 u2 {- f- xSparkContext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
, A7 F6 E  H& z0 K% G3 j
6 |" n- @1 V0 `% g; S' B


. C8 E1 C- h  Q5 q

" [9 P5 y- b; s9 m# n



( v+ p& S9 t% Q$ u, _* s* _


总结
2 [' [$ s7 N9 S
Spark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
1 z: v% q4 X6 S7 bRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task
0 O/ N9 I' l4 p% \0 Q
3 y/ m0 P, _: F, ]; P3 B$ 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。
& V+ H9 d* [. W4 R原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268
# l& B* [( B# Y; \  c) [0 b& |

! k6 o; a! m" Z0 H( X