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）
+ m/ ]# i* j( R, x' G" ~+ ?5 X! o基本概念
2 u/ p% n: c/ o# ]7 L
) V+ Y& k; h- |: Q2 I( {7 B/ J




$ w; k) [# S/ P& o- Z6 E" W- V名词解释
0 e+ |, |7 A3 U+ n2 c" rApplication：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。
. [6 }2 _- [! ^# o2 ODriver：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
4 B3 J( g9 _. M* tCluster 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;
$ ^+ J! g1 P, r" y9 E" p7 b6 kExecutor：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；
  A% y/ y& w& T4 ]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
' Z8 J, ~. d, ~* m. l" w/ [6 xStage：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
基本流程
: I. `& R. O. o$ V
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，
SparkContext向资源管理器注册并申请运行Executor资源；
6 w  B7 J! Y$ M( h+ G8 s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。
+ }5 t+ L# P* G0 s, ITaskScheduler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。
; r, U; I; \5 I4 X, ^* v流程图解

: N! X% \: E$ j0 R# y. O, S1 {
: g# j' I3 a, P+ @8 p  c1 J% G

( Q6 z% D3 M7 d; J


/ F' f8 {% W9 S/ i7 W
: K3 k' X6 f2 O3 x8 h
7 u- U( }1 Z" g' a: C


# j( M. d# x1 P" g; n0 ?
总结

7 z* _2 Y. _0 P5 v4 T' QSpark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

' K, q' |8 D: U- z; w# e————————————————
8 `8 ^" W( n) U1 {7 q, N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。
/ g9 F7 Z) F0 |% m0 c& y* v( _原文链接：https://blog.csdn.net/weixin_43563705/article/details/105699268
) ^' r! @$ H* F8 G  ~

) c9 V9 ~" M5 I9 S