第一步:
在一台具有spark安装包上的机器,通过spark-submit提交Spark程序,也就是我们的Application,通过反射机制创建一个DriverActor的进程(这里所说的提交方式为standalone模式,包括client和cluster模式)
第二步:
Driver进程执行我们的application应用程序,也就是我们的代码。
第三步:
初始化SparkContext对象,最主要的两件事是构建DAGScheduler和TaskScheduler,其中DAGScheduler根据stage划分算法,将job(每次执行到一个action就会创建一个job)划分为多个stage,其中每一个stage创建一个TaskSet。TaskScheduler会通过后台一个进程连接和注册Application到Master,并向Master申请资源,并接受Executor的反注册。
第四步:
Master接受到了TaskScheduler的注册后,会根据自己的资源调度算法,通知Worker为Application启动一个乃至多个Executor,Executor启动后反向注册到TaskScheduler。
第五步:
所有的Executor全部都注册完之后(也就是executor全部都反向注册到了driver上),Driver会结束SparkContext的初始化,继续执行我们的代码。
第六步:
TaskScheduler会根据Task分配算法,将TaskSet中的每一个Task分配到Executor中去执行
第七步:
Executor接收到Task之后,会用TaskRunner来封装Task,也就是将我们代码拷贝、反序列化等,然后从Executor的线程池中取出一条执行此task(之前那些Executor是注册到TaskScheduler上,那么TaskSet中task提交到那些Executor上去执行)
第八步:
Task分为两种类型,一种为ShuffleMapTask,另一种为ResultTask,只有最后一个Stage中是ResultTask,之前的Stage中都是ShuffleMapTask。
总结:
总体来说,就是Stage分批次作为TaskSet提交到Excutor中去执行,每一个task执行针对RDD中一个partition,执行我们的算子和函数。