1.Spark启动集群后,Master节点会获取各个Work节点的资源信息,内存和CPU数量信息。
2.Word节点要通过心跳机制去连接master节点,同时要定时向master节点汇报自身的资源情况。
3.master收到work的汇报消息后给work简单反馈。
4.driver节点向master节点提交spark作业,发送注册通知,需要master为application预留相应的资源。
5.master接收到driver的注册通知,管理work节点,分配资源,启动work的executor线程,work启动后反向注册。
6.driver接受到了一组executor的反向注册,会创建sparkContext,加载数据,创建RDD。
7.在创建sparkContext过程中,非常核心的是构建DAGScheduler和TaskSchedluer:
DAGScheduler会为application划分成多个stage阶段,每一个stage会根据RDD中的partitions数目决定一批task来运行,
把这一批Task封装在一个Task set中交个TaskScheduler,TaskScheduler会将这批task set发送到各个work节点中反向注册的executor进程中。(移动计算,不移动数据)
8.在executor中就存放要被计算的各个partition中的数据,同时当taskScheduler中将Task任务
发送到executor中,executor则会从线程池去除一个一个相应的task,执行相关的transformation和action操作。