面试|spark模块 - spark的工作流程？

spark的工作流程?

回答思路

所有spark程序都离不开程序初始化和执行任务这两部分，所以该问题可以从这两部分开始回答。

一、程序初始化的流程

1. 用户通过sparksubmit提交程序以后，driver程序开始运行(driver程序就是运行起来的提交的程序,可以理解为spark的main程序)。
2. driver程序运行起来会首先初始化sparkContext。
3. 在SparkContext对象中做的最重要的事情就是构造出一个DAGSchedule和一个TaskScheduler。
4. 上述的TaskScheduler构建出来以后，通过它的一个后台进程去向spark的Master节点注册该driver对应的application,此时该application也附带了该spark程序所需要的资源信息。
5. Master接收到这个Application的时候，会根据application所需要的资源，从自己的work节点启动对应的Executor进程。
6. 当worker节点中的Executor进程启动起来之后，会反向注册到TaskScheduler上面，通知TaskScheduler，我已经准备好了，可以干活了。
7. 至此，new sparkcontext()初始化完毕，TaskScheduler已经拿到了Executor资源。

二、任务执行的流程

1. 先进行Job及Stage的切分，当程序每读到action的时候，DAGScheduler开始切分Job,根据宽窄依赖切分Stage，然后封装成TaskSet,将TaskSet发送给TaskScheduler，一个TaskSet对应一个Stage,一个Stage在对应的一个job里面。
2. 发送task到执行进程，当TaskSchedule拿到TaskSet以后，会将TaskSet打散，变成一个个的task,TaskScheduler会把Taskset里面每一个Task提交到分配的Executor中去执行。
3. task开始执行，当Executor接收到Task一块，会启动一个TaskRunner，将Task封装起来，TaskRunner会从线程池中拿一个线程会运行这个task。

公号：guowei

——专注于大数据面试讲解，致力于用最简洁的语言把解题思路讲清楚。