Spark 架构原理介绍 以及 job、task、stag 概念

Spark运行模式

一：Spark 运行架构介绍

　　相关术语概念详解：

　　　　Application：指的是用户编写的Spark应用程序，包含了一个Driver功能的代码和分布在集群中多节点上运行的Executor代码。

　　　　Driver：Spark中的Driver就是运行Application的main()函数，并且创建SparkContext。SparkContext为Spark准备运行环境，它负责和ClusterManager通信，进行资源的申请、任务的分配和监控，当Executor部分运行完毕后，负责将SparkContext关闭。

　　　　Worker：集群中运行Application代码的节点。可以理解为服务器。

　　　　Executor：Application运行在work节点上的一个进程，该进程负责运行task。（理解work节点上的一个进程，来执行Driver的任务task）

　　　　ClusterManager：在集群上获取资源的外部服务。

　　　　Job(作业)：包含多个task组成的并行计算。rdd包括转换和运行Action，只要有一个Action就是一个Job。

　　　　Stag（阶段）：每个Job会被拆分成多组task。

　　　　Task（任务）：最终被推送的到Executor进程上的任务。

　　Spark基本任务流程图

　　　　

　　　　1：构建Spark Application的运行环境 ，启动sparkContext，sc注册并申请Executor

　　　　2：资源管理器分配Executor资源并启动 ****ExecutorBackend，Executor运行状态随着心跳发送到资源管理器

　　　　3：SC开始构建DAG（有向无环图），DAG开始分解成stage，并且有TaskSet发送给Task Scheduler 。Executor想SC申请Task。

　　　　DAGSchuduler

　　　　　　DAGSchuduler把一个Spark作业换成Stage的DAG，根据RDD和Stage之间的关系找出开销最小的调度方法，然后把Stage以TaskSet的形式提交给TaskScheduler。

　　　　TaskScheduler

　　　　　　TaskScheduler维护所有的TaskSet，当Executor向Driver发送心跳时，TaskScheduler会根据其资源剩余情况分配相应的Task。

 

  　　　　　　上图是读取一个文件，spark解析为，一个Job，两个stage ,name下有33个文件，那么就有66个文件，这样就有66个task。