Task执行原理流程:
1.当Driver中SchedulerBackend给ExecutorBackend发送launchTask之后,首先会反序列化TaskDescription。
2.Executor会通过launchTask来执行Task
3.Executor会通过TaskRunner在ThreadPool来运行具体的Task,TaskRunner的run方法中首先会通过调用statueUpdate给Driver发送信息汇报自己的状态,说明自己是running状态
4.TaskRunner,内部会做一些准备工作,例如反序列化Task的依赖,然后通过网络来获取需要的文件、Jar等
5.然后是反序列化Task本身
6.调用反序列化后的Task.run方法来执行任务并获得执行的结果,其中Task的run方法会导致调用的时候会导致task的抽象方法runTask的调用,在Task的runTask内部会调用RDD的iterator()方法,该方法就是我们针对当前Task所对应的Partition进行计算的关键所在,在处理内部会迭代Partition的元素并给我们自定义的function进行处理。
对于shuffleMapTask,首先要要对RDD以及其依赖关系进行反序列化。
最终计算会调用RDD的compute方法。
具体计算时,有具体的RDD,例如Map
7.把执行结果序列化,并根据大小不同的结果传回给Driver的方式
8.CoresGraninExecutorBackend给DriverEndpoint发送StatusUpdate来传输结果,DriverEndpoint会把执行结果传递给TaskSchedulerImpl处理,然后交给TaskResultGetter去分别处理Task执行成功或者失败的不同情况,然后告诉DAGScheduler任务处理结束的状况。
说明:
1.在执行具体Task的业务逻辑前会进行3次反序列化
a>TaskDescription的翻译裂化
b>Task反序列化
c>RDD反序列化
2.在Spark1.6中,AkkFrameSize是128MB,所以可以广播非常大的任务,而任务的执行结果可以最大达到1GB。