Spark作业调度
Spark在任务提交时，主要存在于Driver和Executor的两个节点. (1)Driver的作用: 用于将所有要处理的RDD的操作转化为DAG，并且根据RDD DAG将JBO分割为多个Stage,最后生成相应的task,分发到各个Executor执行. 流程:sc.runJob -> DAGScheduler.runJob ->submitJob ->DAGEventProcessActor ->dagScheduler.handleJobSubmitted ->submitStage ->submitMissingTasks ->taskScheduler.submitTasks -> schedulerBackend.reviveOffers ->ReviveOffers ->DriverActor ->makeOffers -> resourceOffers ->launchTasks ->CoarseGrainedExecutorBackend(Executor) 其中handleJobSubmitted和submitStage主要负责依赖性分析，生成finalStage,根据finalStage来生成job. 源码newStage用来创建一个新的Stage private def newStage( rdd:RDD[], numTasks: Int, shuffleDep: Option[ShuffleDependency[_,_,_]], jobId:Int, callSite:CallSite) :stage = { val id = nextStageId.getAndIncrement() val stage = new Stage(id,rdd,numTasks,shuffleDep,getParentStages(rdd,jobId),jobId,callSite) stageIdToStage(id) = stage updateJobIdStageIdMaps(jobId,stage) stageToInfos(stage) = StageInfo.fromStage(stage) stage } spark在创建一个Stage之前，必须知道该Stage需要从多少个Partition读入数据，据此来创建Task数。源码Stage: private[spark] class stage( val id:Int //stage的序号越大，数值越大 val rdd: RDD[_], //归属于本stage的最后一个rdd val numTasks:Int, //创建的Task的数目,等于父rdd的输出Partition数目 val shuffleDep:Option[ShuffleDependency[_,_,_]],//是否存在shuffle val parents:List[Stage],//父stage列表 val jobId:Int,//作业id val callSite:CallSite) Stage的划分的重要依据就在于是否有Shuffle操作，既宽依赖（RDD的宽依赖和窄依赖请参考前文，或者百度- -），如果有，则创建一个新的stage.Stage的划分完毕就明确了很多内容了，如下： (1)产生的stage需要从多少个Partition中读取数据 (2)产生的stage会生成多少个Partition (3)产生的stage是否属于shuffle 当确认了有多少个Partition，其实就确认了有多少个task。 当作业提交及执行期间，Spark集群中存在大量的消息的交互，所以使用AKKA 进行消息的接收，消息的处理和消息的发送。 下面开始在各个Executor中执行Task。然而Task又被分为ShuffleMapTask和ResultTask两种，相当于Hadoop的Map和Reduce.每个Stage根据isShuffleMap来标记确定Task类型，来区分ShuffleMapTask和ResultTask.一旦task类型和数量确定，下来就分发到各个executor，由Executor启动县城来执行。(从计划到执行) TaskschedulerImple发送ReviveOffers消息给DriverActor，DriverActor在收到ReviveOffers消息后，调用makeOffers函数进行处理。源码如下: def makeOffers(){ launchTasks(scheduler.resourceOffers( executorHost.toArray.map{case(id,host)=>new WorkerOffer(id,host,freeCores(id))})) makeOffers函数主要用来找寻空闲的Executor,随机分发，尽可能的将任务平摊到各个executor中。发现有空闲的Executor，将任务列表中的部分任务利用launchTasks发送给制定的Executor.Task执行完毕.
