Spark系统运行内幕机制循环流程

一、TaskScheduler原理解密
1.DAGScheduler在提交TaskSet给底层调度器的时候是面向接口TaskScheduler的，这符合面向对象中依赖抽象而不依赖的原则，带来底层资源调度器的可插拔性，导致Spark可以运行的众多资源调度器模式上，例如Standalone、Yarn、Mesos、Local、EC2、其它自定义的资源调度器。在Standalone的模式下，我们聚焦于TaskSchedulerImpl
2.在SparkContext实例化的时候通过createTaskScheduler创建TaskSchedulerImpl和SparkDEploySchedulerBackend：

case SPARK_REGEX(sparkUrl)=>
val scheduler = new TaskSchedulerImpl(sc)
val masterUrls=sparkUrl.split(",").map("spark://"+_)
val backend=new SparkDeploySchedulerBackend(scheduler,sc,masterUrls)
scheduler.initialize(backend)
(backend,scheduler)

在TaskSchedulerImpl的initialize方法中把SparkDeploySchedulerBackend传进来从而赋值为TaskSchedulerImpl的Backend；在TaskSchedulerImpl调用start方法的时候回调用backend.start方法，在start方法中会最终注册应用程序

3.TaskScheduler的核心任务是提交TaskSet到集群运算并汇报结构
a）为TaskSet创建和维护一个TaskSetManager并追踪任务的本地性以及错误信息；
b）遇到Straggle任务会放到其它的节点进行重试
c）向DAGScheduler汇报执行情况，包括在Shuffle输出lost的时候报告fetch failed错误等信息
4.TaskScheduler内部会握有SchedulerBackend，从Standalone的模式来讲具体实现是SparkDeploySchedulerBackend
5.SparkDeploySchedulerBackend在启动的时候构造了APPClient实例并在该实例start的时候启动了ClientEndPoint这个消息循环体，ClientEndPoint在启动的会向Master注册当前程序；而SparkDeploySchedulerBackend的父类CoarseGrainedSchedulerBackend在start的时候会实例化类型为DriverEndPoint（这就是我们程序运行时候的经典对象Driver）的消息循环体.SparkDeploySchedulerBackend专门负责收集Worker上的资源信息，当ExecutorBackend启动的时候会向DriverEndPoint注册；此时SparkDeploySchedulerBackend就掌握了当前应用程序拥有的计算资源，TaskScheduler就是通过SparkDeploySchedulerBackend拥有的计算资源来具体运行Task
6.SparkContext，TaskSchedulerImpl，DAGScheduler，SparkDeploySchedulerBackend在应用程序启动的时候只实例化一次，应用程序存在期间始终存在这些对象：

大总结：在SparkContext实例化的时候调用createTaskScheduler来创建TaskSchedulerImpl和SparkDeploySchedulerBackend，同时在SparkContext实例化的时候会调用TaskSchedulerImpl的start，在start方法中会调用SparkDeploySchedulerBackend的start，在该start方法中会创建APPClient对象并调用APPClient对象的start方法，在该start方法中会创建ClientEndPoint，在创建ClientEndPoint会传入Command来指定具体为当前应用程序启动的Executor进行的入口类的名称为CoarseGrainedExecutorBackend，然后ClientEndPoint启动并通过tryRegisterMaster来注册当前的应用程序到Master中，Master接受到注册信息后如何可以运行程序，则会该程序生产Job ID并通过Schedule来分配计算资源，具体计算资源的分配是通过应用程序的运行方式、Memory、cores等配置信息来决定的，最后Master会发送指令给Worker，Worker中为当前应用程序分配计算资源时会首先分配ExecutorRunner，ExecutorRunner内部会通过Thread方式构建ProcessBuilder来启动另外一个JVM进程，这个 JVM进程启动时候加载的main方法所在类的名称就是在创建ClientEndPoint时传入的Command来指定具体名称为CoarseGrainedExecutorBackend的类，此时JVM在通过ProcessBuilder启动的时候获得了CoarseGrainedExecutorBackend后加载并调用其中的Main方法，在main方法中会实例化CoarseGrainedExecutorBackend本身这个消息循环体，而CoarseGrainedExecutorBackend在实例化的时候会通过回调onStart向DriverEndPoint发送RegisterExecutor来注册当前的CoarseGrainedExecutorBackend，此时DriverEndPoint收到该注册信息并保存在了SparkDeploySchedulerBackend实例的内存数据结构中，这样Driver就获得了计算资源。