SparkCore：Spark原理初探（执行流程图）

杨利霞

! I5 l  N/ B% I* ?SparkCore：Spark原理初探（执行流程图）
基本概念
3 t& t: ?" n/ p6 Z


' s1 g' t8 u  x+ F' R  s8 C

* K6 u1 E8 C* C' b
+ _0 L; h& C6 q2 _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。
6 X% Q& |" Y+ ^) E9 o& Z4 g7 E$ lDriver：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
) I" h8 j& {, K& s! JCluster 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
# M7 S  d$ w1 vStage：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
' X: H+ Q, `8 R) f; ]/ h/ J  M0 j基本流程
+ o9 O6 h& I/ }. m3 \* D! S4 u1 x
8 @* j8 p$ y3 B7 O9 @) OSpark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，
/ @" r6 f2 j2 K' j. }SparkContext向资源管理器注册并申请运行Executor资源；
7 X0 N8 x3 K. k. \' W4 @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。
% S. b* }) h6 C' G2 u% b6 S9 K. x流程图解


1 {7 ?) \7 A& z3 p7 J2 b
' N- F( b1 @& ?! Z$ x  F  w( i
: f8 E2 W6 A4 @/ a' p* o% U2 z
5 c: @: t& }4 w% l* Z; V5 T

' V# a2 t: h/ S) ^: m2 P


1 k. ^: Z+ x; E# P% c! M1 T
/ [! H* \0 _/ B

  L( k7 K, q, P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
RDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

4 h( V) Z% X$ p  b) z$ ^————————————————
$ f7 l1 j( j% ]. r  |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

8 l$ T/ h, K( f5 f& R