Spark3000门徒第13课Spark内核架构解密总结

昨晚听了王家林老师的第13课Spark内核架构解密，课堂笔记如下：

executor中线程池并发执行和复用，Spark executor, backed by a threadpool to run tasks.

默认一个work为一个Application只开启一个executor。一个worker里executor是多点好还是少点好，看具
体情况。

Worker:管理当前Node机器资源，并接受Master的指令来分配具体的计算资源Executor(使用ExecutorRunner
在新的进程中分配),是工头不是工人，使用Proxy来管理Executor。

job是包含task的一系列作业，action来触发，action不会产生RDD，只会run job.

Stage内部：计算逻辑完全一样， 只是计算的数据不同罢了。

Sparkcontext是核心，创建DAGSchedular,TaskScheduler,SchedulerBackend.

 

SparkContext通过DAGScheduler将job中RDD形成的DAG有向无环图划分为不同的Stage ，TaskScheduler会将不同Stage中的一系列的Task发送到对应的Executor去执行，而Stage内部：计算逻辑完全一样， 只是计算的数据不同罢了。

 

后续课程可以参照新浪微博 王家林_DT大数据梦工厂：http://weibo.com/ilovepains

王家林  中国Spark第一人,微信公共号DT_Spark