下面，通過(guò)一張圖來(lái)學(xué)習(xí)一下RDD在Spark中運(yùn)行流程，如圖1所示。

圖1 RDD在Spark中的運(yùn)行流程

在圖1中，，Spark的任務(wù)調(diào)度流程分為RDD Objects、DAGScheduler、TaskScheduler以及Worker四個(gè)部分。關(guān)于這四個(gè)部分的相關(guān)介紹具體如下：

(1)RDD Objects：當(dāng)RDD對(duì)象創(chuàng)建后，SparkContext會(huì)根據(jù)RDD對(duì)象構(gòu)建DAG有向無(wú)環(huán)圖，然后將Task提交給DAGScheduler。

(2)DAGScheduler：將作業(yè)的DAG劃分成不同的Stage，每個(gè)Stage都是TaskSet任務(wù)集合，并以TaskSet為單位提交給TaskScheduler。

(3)TaskScheduler：通過(guò)TaskSetManager管理Task，并通過(guò)集群中的資源管理器（Standalone模式下是Master，Yarn模式下是ResourceManager）把Task發(fā)給集群中Worker的Executor。若期間有某個(gè)Task失敗，則TaskScheduler會(huì)重試；若TaskScheduler發(fā)現(xiàn)某個(gè)Task一直沒(méi)有運(yùn)行完成，則有可能在空閑的機(jī)器上啟動(dòng)同一個(gè)Task，哪個(gè)Task先完成就用哪個(gè)Task的結(jié)果。但是，無(wú)論Task是否成功，TaskScheduler都會(huì)向DAGScheduler匯報(bào)當(dāng)前的狀態(tài)，若某個(gè)Stage運(yùn)行失敗，則TaskScheduler會(huì)通知DAGScheduler重新提交Task。需要注意的是，一個(gè)TaskScheduler只能服務(wù)一個(gè)SparkContext對(duì)象。Worker：Spark集群中的Worker接收到Task后，把Task運(yùn)行在Executor進(jìn)程中，這個(gè)Task就相當(dāng)于Executor中進(jìn)程中的一個(gè)線程。一個(gè)進(jìn)程中可以有多個(gè)線程在工作，從而可以處理多個(gè)數(shù)據(jù)分區(qū)（例如運(yùn)行任務(wù)、讀取或者存儲(chǔ)數(shù)據(jù)）。



   



猜你喜歡：

RDD數(shù)據(jù)丟失后如何恢復(fù)？RDD容錯(cuò)機(jī)制介紹

RDD如何分區(qū)，各種模式下的分區(qū)數(shù)目是怎樣的？

Spark RDD是什么？RDD特征介紹

黑馬程序員Python+大數(shù)據(jù)開(kāi)發(fā)課程