1.分割槽及分割槽與工作結點（worker node）的分布關係
• 通俗點來講，可以將 rdd 理解為乙個分布式物件集合，本質上是乙個唯讀的分割槽記錄集合。每個 rdd可以分成多個分割槽，每個分割槽就是乙個資料集片段。
乙個 rdd 的不同分割槽可以儲存到集群中的不同結點上，從而可以在集群中的不同結點上進行並行計
2.rdd 執行過程：
rdd 的典型的執行過程如下：
讀入外部的資料來源（或者記憶體中的集合）進行 rdd 建立；rdd 經過一系列的 「轉換」 操作，每一次都會產生不同的 rdd，供給下乙個轉換使用；最後乙個 rdd 經過 「行動」 操作進行處理，並輸出指定的資料型別和值。rdd 採用了惰性呼叫，即在 rdd 的執行過程中，所有的轉換操作都不會執行真正的操作，只會記錄依賴關係，而只有遇到了行動操作，才會觸發真正的計算，並根據之前的依賴關係得到最終的結果。
下面以乙個例項來描述 rdd 的實際執行過程，如下圖所示，開始從輸入中建立了兩個 rdd，分別是 a 和 c，然後經過一系列的轉換操作，最終生成了乙個 f，這也是乙個 rdd。注意，這些轉換操作的執行過程中並沒有執行真正的計算，基於建立的過程也沒有執行真正的計算，而只是記錄的資料流向軌跡。當 f 執行了行為操作並生成輸出資料時，spark 才會根據 rdd 的依賴關係生成有向無環圖（dag），並從起點開始執行真正的計算。正是 rdd 的這種惰性呼叫機制，使得轉換操作得到的中間結果不需要儲存，而是直接管道式的流入到下乙個操作進行處理。
1.5. rdd 執行過程
通過上述對 rdd 概念、依賴關係和階段劃分的介紹，結合之前介紹的 spark 執行基本流程，這裡再總結一下 rdd 在 spark 架構中的執行過程（如下圖所示）：
建立 rdd 物件；sparkcontext 負責計算 rdd 之間的依賴關係，構建 dag；dagschedule 負責把 dag 圖反向解析成多個階段，每個階段中包含多個任務，每個任務會被任務排程器分發給工作節點上的 executor 上執行。
WF工作流執行機制
1 workflowruntime.startruntime 啟動wf執行時。2 workflowruntime.createworkflow 返回新建立的wf工作流例項。此方法為新建的wf工作流例項準備了乙個排程器和排程器工作佇列。這個方法返回時，wf工作流中的所有活動都處於initialized...
session執行機制
session機制是一種伺服器端的機制，伺服器使用一種類似於雜湊表 的結構 也可能就是使用 雜湊表 來儲存資訊。當程式需要為某個客戶端的請求建立乙個session的時候，伺服器首先檢查這個客戶端的請求裡是否已包含了乙個session標識 稱為sessionid，如果已包含乙個sessionid則說明...
try catch finally執行機制
finally的執行 如下的程式所示，注釋中是執行的順序 public class test public static string test finally public static string test1 finally其實是僅在return 語句執行前執行，如果return 乙個函式，那...