spark中job，stage，task之间的关系

1. 什么是job

Job简单讲就是提交给spark的任务。

2. 什么是stage

Stage是每一个job处理过程要分为的几个阶段。

3什么是task

Task是每一个job处理过程要分几为几次任务。Task是任务运行的最小单位。最终是要以task为单位运行在executor中。

3. Job和stage和task之间有什么关系

Job----> 一个或多个stage---> 一个或多个task

下图是一个job分成了三个stage：

 

5.一个stage的task的数量是有谁来决定的？

是由输入文件的切片个数来决定的。在HDFS中不大于128m的文件算一个切片（默认128m）。通过算子修改了某一个rdd的分区数量，task数量也会同步修改。

6.一个job任务的task数量是由谁来决定的？

一个job任务可以有一个或多个stage，一个stage又可以有一个或多个task。所以一个job的task数量是  （stage数量 * task数量）的总和。

 

上图就是job1有3个task。

7.每一个stage中的task最大的并行度？

并行度：是指指令并行执行的最大条数。在指令流水中，同时执行多条指令称为指令并行。

理论上：每一个stage下有多少的分区，就有多少的task，task的数量就是我们任务的最大的并行度。

（一般情况下，我们一个task运行的时候，使用一个cores）

实际上：最大的并行度，取决于我们的application任务运行时使用的executor拥有的cores的数量。

 

如图所示，cores为3，那么最大的并行度就是3。

8.如果我们的task数量超过这个cores的总数怎么办？

先执行cores个数量的task，然后等待cpu资源空闲后，继续执行剩下的task。

 

9.spark执行时读条中的内容讲解

 

satge11：  当前的satge编号

（5+4）/9:

9:当前stage的task的数量，5：已完成的task数量，4：等待执行的task数量。