【Spark Core】从作业提交到任务调度完整生命周期浅析
引言
这一小节我们将就之前写的几篇博文，从提交Job，到Stage划分，到任务分发，再到任务的执行，这一完整过程做一系统的回顾。在这一过程中理清思路，明确几篇文章中涉及到的调度关系和逻辑关系。
Spark作业提交到执行过程
上面这个图摘自张包峰的csdn博客，这个图很清晰的描述了作业提交执行的整个过程，略去了细节原理，给人一种清晰直观的流程概况。
通过该图结合一下我之前的博文来描述一下文章的内容和相互关系：
DAGScheduler源码浅析介绍了SparkContext通过DAGScheduler的runJob提交作业，其中通过DAGScheduler的事件队列来处理JobSubmitted事件来处理提交的Job。
DAGScheduler源码浅析2 对DAGScheduler中涉及的两个重要组件进行的补充介绍。
Stage生成和Stage源码浅析 介绍了将Job划分为Stage的过程，Spark根据RDD的依赖关系划分Stage，最终将其封装成taskset进行提交。
TaskScheduler源码与任务提交原理浅析1 介绍了TaskScheduler和SchedulerBackend的关系。
TaskScheduler源码与任务提交原理浅析2 介绍了Driver侧的SchedulerBackend是如何进行资源分配和任务调度的，最终派发给Executor去执行。
任务执行机制和Task源码浅析2 介绍了Task在Executor中的执行过程。
Driver的任务提交过程
1、Driver程序的代码运行到action操作，触发了SparkContext的runJob方法。
2、SparkContext调用DAGScheduler的runJob函数。
3、DAGScheduler把Job划分stage，然后把stage转化为相应的Tasks，把Tasks交给TaskScheduler。
4、通过TaskScheduler把Tasks添加到任务队列当中，交给SchedulerBackend进行资源分配和任务调度。
5、调度器给Task分配执行Executor，ExecutorBackend负责执行Task。
参考资料
Spark源码系列（四）图解作业生命周期
Spark的任务调度转载请注明作者Jason Ding及其出处
GitCafe博客主页(http://jasonding1354.gitcafe.io/)
Github博客主页(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles)
Google搜索jasonding1354进入我的博客主页
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
