SparkCore：Spark原理初探（执行流程图）

杨利霞

( @" h" J( M2 P& mSparkCore：Spark原理初探（执行流程图）
2 _& h1 q. }0 F基本概念


* u9 V+ P4 h- s( y5 n
$ b! e9 k5 g4 P2 \& i+ }1 S+ ]: c


名词解释
- j) l9 _6 k* k# O0 Q: G" B$ x9 IApplication：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。
( i4 h8 v5 M, Y6 C% u, I$ gDriver：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；
2 }0 s7 e9 @6 n9 D! qDAG：Directed Acyclic Graph有向无环图，反映RDD之间的依赖关系和执行流程；
, Q: P3 r, O7 I, N8 g  DJob：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
7 \  M# r% N1 F4 O9 y1 H/ J: 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
6 o5 Q+ S2 L; D) G' [基本流程
3 D# z3 f: U% x9 s, D& b/ e0 K
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，
  c& j' w# J, v4 q8 hSparkContext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。
# y/ G$ E; ^: _' i* `流程图解

2 o- U- r+ k! R( _



0 U% j9 F( n% Y* _+ \  j; F' D( Z% U

$ x; o" v5 n0 ^* s

  A$ r' Z" U  N" l8 m' }: @3 I
8 p9 v( u' q) x  L
. n5 o- s! d+ o4 E- E: z' C

总结

Spark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
$ K& |) E* x3 W! FRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
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
: W6 A9 |5 U* ^+ |4 }5 g) \: Y8 T# h
# C' V% |) ~, g4 }/ l" j
" l$ E5 N! y$ @) W# H