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）
基本概念

0 n) I. }& b0 O: R


0 U. j' G: X) D1 ?" e! n

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。
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；
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
; v2 a% v! l0 G7 ~. k- Z+ H  kStage：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

Spark运行基本流程
! s/ x. o& F  A& r8 o: L: |3 L/ E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；
' X4 ^, D- h) 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。
& y+ U3 K# W6 m) bTaskScheduler将Task发放给Executor运行，同时SparkContext将应用程序代码发放给Executor。
7 d  @+ u' s' @# k) zExecutor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。
4 W+ A$ y4 @7 f( ^流程图解


2 `+ O4 u$ a3 g
5 l2 N* [5 H9 s0 U
) r, V$ d5 a6 L' c1 n4 c1 I# K7 D

; Q) B* \+ b, d7 F$ u' M! P& @





% r! {- J2 l6 d2 B. z4 v' s
总结
0 E" f% v+ M+ \5 a) V
Spark应用被提交–>SparkContext向资源管理器注册并申请资源–>启动Executor
8 o# e# G- |! t! ^- U+ o" M* ^8 y, l) v2 bRDD–>构建DAG–>DAGScheduler划分Stage形成TaskSet–>TaskScheduler提交Task–>Worker上的Executor执行Task

————————————————
0 D' w- T& U' ~" i: G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

( @- L9 y! o+ F