Spark运行流程

1、任务调度流程

• 1、当一个spark任务提交的时候，首先需要为spark application创建基本的运行环境，也就是在Driver创建sparkContext，同时构建DAGScheduler和TaskScheduler
• 2、SparkContext向资源管理器申请exector运行资源
• 3、资源管理器为exector分配资源并创建exector进程，exector的运行状况通过心跳机制向资源管理器进行汇报
• 4、sparkContext根据RDD的依赖关系构建DAG图，构建完毕后，将DAG图提交给DAGScheduler，DAGScheduler开始划分stage，并将stage中的TaskSet发送给TaskScheduler
• 5、TaskScheduler将TaskSet中的task发送给exector运行，同时SparkContext将运行代码发送给exector
• 6、exector将task放入线程池进行运行，将执行结果反馈给TaskScheduler，TaskScheduler再将结果反馈给DAGScheduler，直到全部任务运行结束后，释放所有的资源

2、资源调度流程

以cluster模式为例

• 1、客户端向ResourceManager申请启动ApplicationMaster
• 2、ResourceManager为ApplicationMaster分配container，在合适的NodeManager启动ApplicationMaster（同时启动DAGSchrduler和TaskScheduler），此时的ApplicationMaster相当于Driver
• 3、ApplicationMaster向ResourceManager申请资源启动exector，ResourceManager接收申请后，为exector分配container
• 4、ApplicationMaster根据ResourceManager分配的container，在合适的NodeManager启动exector
• 5、exector启动成功后，向Driver反向注册，所有的exector启动成功后，开始执行main函数