Spark中的Driver、Executor、Stage、TaskSet、DAGScheduler等介绍_spark driver(1)

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

* 应用程序可以包含多个 Job，并且可以跨多个阶段进行分布式计算。

4. Job（作业）：

   • Job 是应用程序中的一个独立任务单元，由用户定义的操作组成。
   • Job 定义了数据的转换和操作，可以包含多个 Stage。

5. Stage（阶段）：

   • Stage 是 Job 的子任务单位，有两种类型：Shuffle Stage 和 Result Stage。
   • Shuffle Stage 包含需要进行数据洗牌的操作，如 groupByKey、reduceByKey 等。
   • Result Stage 包含没有数据洗牌的操作，如 map、filter 等。
   • Stage 通过依赖关系构成有向无环图（DAG），描述了数据的转换和操作流程。

6. TaskSet（任务集合）：

   • TaskSet 是一个 Stage 中所有任务的集合。
   • TaskSet 中的任务是并行执行的，每个任务对应一部分数据的处理。
   • TaskSet 由 Driver 创建，并发送给 TaskScheduler 进行调度和执行。

7. Task（任务）：

   • Task 是 Spark 中最小的执行单元，对应于一个数据分区的处理。
   • 一个 Stage 中的任务数等于分区数，每个任务负责处理一个数据分区。
   • 任务在 Executor 上执行，加载数据并执行用户定义的操作。

8. DAGScheduler（有向无环图调度器）：

   • DAGScheduler 负责将应用程序转化为有向无环图（DAG）的形式。
   • 它根据任务之间的依赖关系，将 Job 划分为多个 Stage，并确定它们的执行顺序。
   • DAGScheduler 将任务发送给 TaskScheduler 进行调度和执行。

9. TaskScheduler（任务调度器）：

   • TaskScheduler 是 Spark 中的任务调度器，负责将任务分发给 Executor 进程执行。
   • 它根据资源需求和可用资源，将任务分配给合适的 Executor 进程。
   • TaskScheduler 还负责监控任务的执行状态，处理任务失败和重试等情况。

关系：一个Driver可以产生多个Application；一个Application可以产生多个Job​​​​​​​；一个Job对应多个Stage；一个Stage对应一个TaskSet（TaskSet是Stage内部调度的基本单位）；一个Stage对应多个Task（一个TaskSet为一组Task集合）；一个Task对应一个分区；

每个Application都有自己独立的执行环境和资源分配，它们之间相互独立，互不干扰。每个Application都会有自己的SparkContext，用于与集群进行通信和资源管理。

---

如有错误，欢迎指出！！！

如有错误，欢迎指出！！！

如有错误，欢迎指出！！！

扩展文章推荐：

1500字带你读懂 Spark任务的角色分工！ - 知乎

一篇文章搞清spark任务如何执行 - 掘金

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**