Spark资源调度与任务调度

名词解释

Application:基于Spark的应用程序,包含了driver程序和 集群上的executor

DriverProgram:运行main函数并且新建SparkContext的程序

ClusterManager:在集群上获取资源的外部服务(例如 standalone,Mesos,Yarn )

WorkerNode:集群中任何可以运行应用用代码的节点 (Yarn的模式下是在nodemanager中运行的,standalone模式下是在workernode中运行的)

Executor:是在一个workernode上为某应用用启动的一个JVM进程,该进程负责运行任务,并且负责将数据存在内存或者磁盘上。每个应用用都有各自自独立的executors

Task:被送到某个executor上的执行单元


Job包含很多任务的并行计算的task,可以看做和Spark的action对应,每个action都会触发一个job任务

Stage一个Job会被拆分很多组任务,每组任务被称为Stage(就像MapReduce分map任务和reduce任务一样)
(每一个程序中都有一些job(看有几个操作算子),每一个job中有很多stage,stage是根据宽窄依赖划分的)

任务调度

task经过什么样的过程才会发送到executor中执行
在这里插入图片描述
1.将写好的代码给DAG的调度器
2.根据宽窄依赖切分stage(一组并行计算的task)
比如下面这个就是有四个并行的task
在这里插入图片描述
3.taskset中包含着一组task,再依次发送到executor中运行
4.运行完了,再返回,传入下一task

在这里插入图片描述

重试

executor执行失败了,会由TaskScheduler重试三次发送,三次都失败,说明TaskSet失败,会重试DAGScheduler,重试四次

资源调度

在这里插入图片描述

感谢阅读,我是啊帅和和,一位大数据专业大四学生,祝你快乐。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

啊帅和和。

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值