之门解密"/>
第28课 Spark天堂之门解密
一:Spark天堂之门:SparkContext!
1, Spark程序在运行的时候分为Driver和Executors两部分;
2, Spark的程序编写是基于SparkContext的,具体来说包含两方面:
a) Spark编程的核心基础---RDD,是由SparkContext来最初创建(第一个RDD一定是由SparkContext来创建的);
b) Spark程序的调度优化也是基于SparkContext;
3, Spark程序的注册时通过SparkContext实例化时候生产的对象来完成的(其实是SchedulerBackend来注册程序)
4, Spark程序运行的时候要通过Cluster Manager获得具体的计算资源,计算资源的获取也是通过SparkContext产生的对象来申请的(其实是SchedulerBackend来获取计算资源的);
5, SparkContext崩溃或者结束的时候整个Spark程序也结束啦!
总结:
SparkContext开启天堂之门:Spark程序是通过SparkContext发布到Spark集群的;
SparkContext导演天堂世界:Spark程序的运行都是在SparkContext为核心的调度器的指挥下进行的;
SparkContext关闭天堂之门:SparkContext崩溃或者结束的时候整个Spark程序也结束啦!
二:SparkContext使用案例鉴赏
三:SparkContext天堂内幕
1, SparkContext构建的顶级三大核心对象:DAGScheduler、TaskScheduler、ShedulerBackend,其中:
a) DAGScheduler是面向Job的Stage的高层调度器;
b) TaskScheduler是一个接口,根据具体的ClusterManager的不同会有不同的实现,Standalone模式下具体的实现是TaskSchedulerImpl;
c) SchedulerBackend是一个接口,根据具体的ClusterManager的不同会有不同的实现,Standalone模式下具体的实现是SparkDeploySchedulerBackend;
2,从整个程序运行的角度来讲,SparkContext包含四大核心对象:DAGScheduler、TaskScheduler、ShedulerBackend、MapOutputTrackerMaster。
// Create and start the scheduler
val (sched, ts) = SparkContext.createTaskScheduler(this, master)
_schedulerBackend = sched
_taskScheduler = ts
_dagScheduler = new DAGScheduler(this)
_heartbeatReceiver.ask[Boolean](TaskSchedulerIsSet)
// start TaskScheduler after taskScheduler sets DAGScheduler reference inDAGScheduler's
// constructor
_taskScheduler.start()
createTaskScheduler:
case
SPARK_REGEX(sparkUrl) =>
val
scheduler =
new
TaskSchedulerImpl(sc)
val
masterUrls = sparkUrl.split( "," ).map( "spark://"
+ _)
val
backend =
new
SparkDeploySchedulerBack
end(scheduler ,
sc , masterUrls)
scheduler.initialize(backend)
(backend ,
scheduler)
在sheduler.initialize调用的时候会创建ShedulerPool
this . backend
= backend
// temporarily set rootPool name to empty
rootPool
=
new
Pool( "" ,
schedulingMode ,
0 ,
0 )
schedulableBuilder
= {
schedulingMode
match
{
case
SchedulingMode. FIFO
=>
new
FIFOSchedulableBuilder( rootPool )
case
SchedulingMode. FAIR
=>
new
FairSchedulableBuilder( rootPool ,
conf )
}
}
schedulableBuilder .buildPools()
SparkDeploySchedulerBackend有三大核心功能:
负责与Master链接注册当前程序;
接收集群中为当前应用程序而分配的计算资源Executor的注册并管理Executors;
负责发送Task到具体的 Executor执行;
补充说明的是:SparkDeploySchedulerBackend是被TaskSchedulerImpl来管理的!
// start TaskScheduler after taskScheduler sets DAGScheduler reference in DAGScheduler's
// constructor
_taskScheduler .start()
val
command =Command( "org.apache.spark.executor.CoarseGrainedExecutorBac
kend" ,
args ,
sc. executorEnvs ,
classPathEntries ++ testingClassPath , libraryPathEntries ,
javaOpts)
当通过SparkDeploySchedulerBackend注册程序给Master的时候会把上述command提交给Master,Master发指令给Worker去启动Executor所在的进程的时候加载的main方法所在的入口类就是command中的CoarseGrainedExecutorBackend,当然你可以实现自己的ExecutorBackened,在CoarseGrainedExecutorBackend中启动Executor(Executor是先注册再实例化),Executor通过线程池并发执行Task
private [spark]
case class
ApplicationDescription(
name:
String ,
maxCores: Option[ Int ] ,
memoryPerExecutorMB:
Int,
command: Command ,
appUiUrl:
String ,
eventLogDir: Option[URI] = None ,
// short name of compression codec used when writing event logs, if any (e.g. lzf)
eventLogCodec: Option[ String ] = None ,
coresPerExecutor: Option[ Int ] = None ,
user:
String
= System.getProperty( "user.name" ,
"" )) {
override def
toString :
String
=
"ApplicationDescription("
+ name + ")"
}
DT大数据梦工厂
新浪微博: /
发布评论