幾個基本概念：
（1）job：包含多個task組成的平行計算，往往由action催生。
（2）stage：job的排程單位。
（3）task：被送到某個executor上的工作單元。
（4）taskset：一組關聯的，相互之間沒有shuffle依賴關係的任務組成的任務集。
乙個應用程式由乙個driver program和多個job構成。乙個job由多個stage組成。乙個stage由多個沒有shuffle關係的task組成。
spark應用程式的執行架構：
（1）簡單的說：
由driver向集群申請資源，集群分配資源，啟動executor。driver將spark應用程式的**和檔案傳送給executor。executor上執行task，執行完之後將結果返回給driver或者寫入外界。
（2）複雜點說：
提交應用程式，構建sparkcontext，構建dag圖，提交給scheduler進行解析，解析成乙個個 stage，提交給集群，由集群任務管理器進行排程，集群啟動spark executor。driver把**和檔案傳給executor。executor進行各種運算完成task任務。driver上的block tracker記錄executor在各個節點上產生的資料塊。task執行完之後，將資料寫入hdfs上或者其他型別資料庫裡。
（3）全面點說：
spark應用程式進行各種transformation的計算，最後通過action觸發job。提交之後首先通過 sparkcontext根據rdd的依賴關係構建dag圖，dag圖提交給dagscheduler進行解析，解析時是以shuffle為邊界，反向解 析，構建stage，stage之間也有依賴關係。這個過程就是對dag圖進行解析劃分stage，並且計算出各個stage之間的依賴關係。然後將乙個 個taskset提交給底層排程器，在spark中是提交給taskscheduler處理，生成taskset manager，最後提交給executor進行計算，executor多執行緒計算，計算完反饋給tasksetmanager，再反饋給 taskscheduler，然後再反饋回dagscheduler。全部執行完之後寫入資料。
（4）更加深入理解：
應用程式提交後，觸發action，構建sparkcontext，構建dag圖，提 交給dagscheduler，構建stage，以stageset方式提交給taskscheduler，構建taskset manager，然後將task提交給executor執行。executor執行完task後，將完成資訊提交給schedulerbackend，由 它將任務完成的資訊提交給taskscheduler。taskscheduler反饋資訊給tasksetmanager，刪除該task任務，執行下 乙個任務。同時taskscheduler將完成的結果插入到成功佇列裡，加入之後返回加入成功的資訊。taskscheduler將任務處理成功的資訊 傳給taskset manager。全部任務完成後taskset manager將結果反饋給dagscheduler。如果屬於resulttask，交給joblistener。如果不屬於resulttask，保 存結果。
spark應用程式的執行架構
spark應用程式的執行架構 幾個基本概念 1 job 包含多個task組成的平行計算，往往由action催生。2 stage job的排程單位。3 task 被送到某個executor上的工作單元。4 taskset 一組關聯的，相互之間沒有shuffle依賴關係的任務組成的任務集。乙個應用程式由...
Spark應用程式的執行架構
1 簡單的說 由driver向集群申請資源，集群分配資源，啟動ex ecutor。driver將spark應用程式的 和檔案傳送給executor。executor上執行task，執行完之後將結果返回給driver或者寫入外界。2 複雜點說 提交應用程式，構建sparkcontext，構建dag圖，...
Spark應用程式執行 階段的劃分
sparkcontext物件包含有乙個私有屬性dagscheduler階段排程器，主要用於階段的劃分。在乙個應用程式中，任務的提交都是從行動運算元觸發的。行動運算元的方法內部會呼叫乙個runjob方法，其中就有dag排程器發揮執行job的作用 dagscheduler.runjob rdd,clea...