30、Spark内核源码深度剖析之Spark内核架构深度剖析

Spark内核架构深度剖析.png

就上面这幅图,详细解释一下
自己编写的Application,就是我们自己写的程序,拷贝到用来提交spark应用的机器,使用spark-submit提交这个Application,提交之后,spark-submit在Standalone模式下,会通过反射的方式,创建和构造一个DriverActor进程。
启动DriverActor进程后,开始执行Application应用程序,也就是我们自己编写的代码,第一件事就是构造SparkContext,这时,会初始化DAGScheduler和TaskScheduler
构造完TaskScheduler后,TaskScheduler实际上,是会负责,通过一个后台进程,去连接Master,向Master注册Application
Master接收到Application注册的请求之后,会使用自己的资源调度算法,在Spark集群的Wroker上,为这个Application启动多个Executor
Master通知Wroker启动Executor
Executor启动之后,会自动反向注册到TaskScheduler上去
所有Executor都反向注册到Driver上之后,Driver结束SparkContext初始化,会继续执行我们自己编写的代码
每执行到一个Action,就会创造一个job
job会提交给DAGScheduler
DAGScheduler会将多个job划分为多个stage(stage划分算法),然后每个stage创建一个TaskSet
TaskSet会给TaskScheduler
TaskScheduler会把TaskSet里每一个task提交到Executor上执行(task分配算法)
Task有两种,ShuffleMapTask和ResultTask,只有最后一个stage是ResultTask,之前的stage,都是ShuffleMapTask
Executor每接收到一个task,都会用TaskRunner来封装task,然后从线程池里取出一个线程,执行这个task
TaskRunner,将我们编写的代码,也就是要执行的算子以及函数,拷贝,反序列化,然后执行task
所以,最后整个Spark应用程序的执行,就是stage分批次作为taskset提交到Executor执行,每个task针对RDD的一个partition,执行我们定义的算子和函数,依次类推,直到所有操作完为止

你可能感兴趣的:(30、Spark内核源码深度剖析之Spark内核架构深度剖析)