概要
介绍提交Stage的流程,继续沿用Spark DAG之划分Stage中的例子。
前提
上篇博客Spark DAG之划分Stage介绍了划分Stage的流程,举的例子最后生成的Stage如下
划分Stage阶段完成后,DAGScheduler的handleJobSubmitted方法提交Stage,如下
本篇博客重点就是讲解上图中的两个方法,其中的finalStage变量以第一幅图为例。
submitStage
查看submitStage方法
submitStage方法的主要作用如图中注释,其涉及到三个重要集合
waitingStages | 等待运行的Stage |
runningStages | 正在运行的Stage |
failedStages | 运行失败的Stage |
限于篇幅,关于submitStage中的其他方法不再详解。最后submitStage中的流程大致如下
上面流程图中父Stage是否执行完毕是如何判断的?
-
如上图,调用ShuffleMapStage的isAvailable方法判断。每当执行完一个Task会对变量_numAvailableOutputs加1,直至所有Task执行完,_numAvailableOutputs等于分区数。
以Spark DAG之划分Stage中切分的Stage为例,执行submitStage(finalStage),此时finalStage的值为ResultStage 4(参考第一幅图),submitStage方法执行完状态如下
集合 | 包含的Stage | 状态 |
runningStages | ShuffleMapStage 0、ShuffleMapStage 2 | 转为ShuffleMapTask,发送给Executor执行 |
waitingStages | ShuffleMapStage 1、ShuffleMapStage 3、ResultStage 4 | 等待 |
failedStages | 空 |
submitWaitingStages
submitStage方法执行完毕后调用submitWaitingStages方法,查看该方法
该方法非常简单,职责如下
- 拷贝集合waitingStages到waitingStagesCopy,清空waitingStages。
- 遍历waitingStagesCopy中的Stage,调用submitStage方法。
submitStage的流程上面刚介绍过,submitWaitingStages的流程如下
submitWaitingStages的作用
- 结合Spark DAG之划分Stage的例子,submitStage方法执行后,集合中元素如下
waitingStages | ShuffleMapStage 1、ShuffleMapStage 3、ResultStage 4 |
runningStages | ShuffleMapStage 0、ShuffleMapStage 2 |
- submitWaitingStages方法中调用submitStage依次提交waitingStages的Stage。我们假设执行submitWaitingStages前,ShuffleMapStage 0已执行完毕,ShuffleMapStage 2没有(其他情况也简单,不一一列举),那么submitWaitingStages方法执行后
waitingStages | ShuffleMapStage 3、ResultStage 4 |
runningStages | ShuffleMapStage 1、ShuffleMapStage 2 |
Completed | ShuffleMapStage 0 |
可以看出调用一次submitWaitingStages方法不能完成所有Stage的提交,需要多次的调用,就是说,提交一个Stage必须其父Stage全部运算完毕。接下来看下哪些事件会触发submitWaitingStages。
再次触发submitWaitingStages方法的事件
- Spark DAG之SubmitJob中介绍了DAGSchedulerEvent,具体的事件类型如下,DAGScheduler对所有事件的处理都会再调用一次submitWaitingStages。
JobSubmitted | MapStageSubmitted |
StageCancelled | JobCancelled |
JobGroupCancelled | AllJobsCancelled |
BeginEvent | GettingResultEvent |
CompletionEvent | ExecutorAdded |
ExecutorLost | TaskSetFailed |
ResubmitFailedStages |
总结
围绕submitStage和submitWaitingStages方法,通过流程图,介绍如何提交Stage,大致如下
- 调用submitStage提交Stage。
- DAGScheduler处理定义的各种事件都会调用一次submitWaitingStages方法,submitWaitingStages继续调用submitStage提交处于waiting状态的Stage,直至所有Stage执行完毕。