Spark任务执行流程
DAGScheduler 和TaskScheduler都在Driver端(开启spark-shell的那一端),main函数创建SparkContext时会使得driver和Master节点建立连接,Master会根据任务所需资源在集群中找符合条件的worker.然后Master对worker进行RPC通信,通知worker启动Executor ,Executor会和Driver 建立连接,随后的工作worker和Master不再有关系。 然后Driver会向Executor提交Task。
1. RDD Objects
RDD构建,RDD进行一系列transformation操作后最终遇到Action方法时,DAG图即确定了边界,DAG图形成,然后会将DAG提交给DAGScheduler.
DAG(Directed Acyclic Graph)叫做有向无环图,原始的RDD通过一系列的转换就就形成了DAG,根据RDD之间的依赖关系的不同将DAG划分成不同的Stage,对于窄依赖,partition的转换处理在Stage中完成计算。对于宽依赖,由于有Shuffle的存在,只能在parent RDD处理完成后,才能开始接下来的计算,因此宽依赖是划分Stage的依据。
2、DAGScheduler(调度器)
将DAG切分成多个stage,切分依据(宽依赖—shuffledRDD—即数据需要网络传递)
RDD和它依赖的父RDD的关系有两种不同的类型,即窄依赖和宽依赖
窄依赖指的是每一个父RDD的partition最多被子RDD的一个Partition使用。(独生子女)
宽依赖指的是多个子RDD的partition会依赖同一个父RDD的Partition。(超生)
3. TaskScheduler
将多个stage封装到TaskSet后提交给TaskScheduler
4.Worker
随后TaskScheduler把任务提交给worker执行