spark context 源码分析
2020-04-17 13:03:40 23 举报spark context源码分析图，包括任务的切割，任务分发等
作者其他创作
大纲/内容
TaskSchedulerImpl
reviveOffers
JobSubmitted
将stage中包含的RDD，shuffleDep序列号存放到该字节数组中
createResultStage
TaskRunner：1、反序列化任务为task2、设置task内存管理器
获取分区数，默认根据最后一个RDD的分区数确定
map
Executor
flatMap
序列化任务
textFile
HashSet
runTask
ShuffleMapStageResultStage
TextInputFormat
SparkContext
通过最后一个RDD生成finalStage
获取最佳位置：只有第一次获取源文件或者经过shuffle操作的才需要获取位置，其他的RDD只需要保持在这个stage所处的主机即可通过split获取，同MR一样
tasks
shuffleMapStageresultStage
submitStage
executor
DAGSchedulerEventProcessLoop
DAGScheduler
submitTasks
执行核心代码
reduceByKey
stage
eventQueue：LinkedBlockingDeque
这一步主要是切割rdd生成stage
getMissingParentStages
narrowDep
ArrayStack
missing
Driver
visited()
ShuffleWriter
taskBinaryBytes
taskIdToLocations
submitJob
ShuffleMapTask
通过shuffleManager拿到shuffleWriter
通过反序列化RDD、ShuffleDep
提交TaskRunner任务
visited
submitMissingTasks
partitionsToCompute
ShuffleMapStage：ShuffleMapTaskResultStage：ResultTask
如果是shuffleDep：创建ShuffleMapStage，将stage放到missing中如果是narrowDep：将依赖的RDD压入waitingForVisit栈中，一直到依赖的RDD是shuffleRDD放到missing中
waitingForVisit
launchTasks
shuffleDep
threadPool
0 条评论
下一页
