狠狠躁日日躁夜夜躁A片无码,中文字幕在线亚洲二区,最近更新中文字幕在线,四虎影视国产精品亚洲精品,男人扒开添女人下部免费视频

Spark簡(jiǎn)介

Apache Spark是用于大規(guī)模數(shù)據(jù)處理的統(tǒng)一分析引擎，基于內(nèi)存計(jì)算，提高了在大數(shù)據(jù)環(huán)境下數(shù)據(jù)處理的實(shí)時(shí)性，同時(shí)保證了高容錯(cuò)性和高可伸縮性，允許用戶(hù)將Spark部署在大量硬件之上，形成集群。

Spark源碼從1．x的40w行發(fā)展到現(xiàn)在的超過(guò)100w行，有1400多位大牛貢獻(xiàn)了代碼。整個(gè)Spark框架源碼是一個(gè)巨大的工程。下面我們一起來(lái)看下spark的底層執(zhí)行原理。

Spark運(yùn)行流程

Spark運(yùn)行流程

具體運(yùn)行流程如下：

SparkContext 向資源管理器注冊(cè)并向資源管理器申請(qǐng)運(yùn)行Executor

資源管理器分配Executor，然后資源管理器啟動(dòng)Executor

Executor 發(fā)送心跳至資源管理器

SparkContext 構(gòu)建DAG有向無(wú)環(huán)圖

將DAG分解成Stage（TaskSet）

把Stage發(fā)送給TaskScheduler

Executor 向 SparkContext 申請(qǐng) Task

TaskScheduler 將 Task 發(fā)送給 Executor 運(yùn)行

同時(shí) SparkContext 將應(yīng)用程序代碼發(fā)放給 Executor

Task 在 Executor 上運(yùn)行，運(yùn)行完畢釋放所有資源

1． 從代碼角度看DAG圖的構(gòu)建Val lines1 ＝ sc．textFile（inputPath1）．map（．．．）．map（．．．）

Val lines2 ＝ sc．textFile（inputPath2）．map（．．．）

Val lines3 ＝ sc．textFile（inputPath3）

Val dtinone1 ＝ lines2．union（lines3）

Val dtinone ＝ lines1．join（dtinone1）

dtinone．saveAsTextFile（．．．）

dtinone．filter（．．．）．foreach（．．．）

上述代碼的DAG圖如下所示：

構(gòu)建DAG圖

Spark內(nèi)核會(huì)在需要計(jì)算發(fā)生的時(shí)刻繪制一張關(guān)于計(jì)算路徑的有向無(wú)環(huán)圖，也就是如上圖所示的DAG。

Spark 的計(jì)算發(fā)生在RDD的Action操作，而對(duì)Action之前的所有Transformation，Spark只是記錄下RDD生成的軌跡，而不會(huì)觸發(fā)真正的計(jì)算。

2． 將DAG劃分為Stage核心算法

一個(gè)Application可以有多個(gè)job多個(gè)Stage：

Spark Application中可以因?yàn)椴煌�的Action觸發(fā)眾多的job，一個(gè)Application中可以有很多的job，每個(gè)job是由一個(gè)或者多個(gè)Stage構(gòu)成的，后面的Stage依賴(lài)于前面的Stage，也就是說(shuō)只有前面依賴(lài)的Stage計(jì)算完畢后，后面的Stage才會(huì)運(yùn)行。

劃分依據(jù)：

Stage劃分的依據(jù)就是寬依賴(lài)，像reduceByKey，groupByKey等算子，會(huì)導(dǎo)致寬依賴(lài)的產(chǎn)生。

回顧下寬窄依賴(lài)的劃分原則：  

窄依賴(lài)：父RDD的一個(gè)分區(qū)只會(huì)被子RDD的一個(gè)分區(qū)依賴(lài)。即一對(duì)一或者多對(duì)一的關(guān)系，可理解為獨(dú)生子女。 常見(jiàn)的窄依賴(lài)有：map、filter、union、mapPartitions、mapValues、join（父RDD是hash－partitioned）等。      

寬依賴(lài)：父RDD的一個(gè)分區(qū)會(huì)被子RDD的多個(gè)分區(qū)依賴(lài)（涉及到shuffle）。即一對(duì)多的關(guān)系，可理解為超生。常見(jiàn)的寬依賴(lài)有g(shù)roupByKey、partitionBy、reduceByKey、join（父RDD不是hash－partitioned）等。

核心算法：回溯算法

從后往前回溯／反向解析，遇到窄依賴(lài)加入本Stage，遇見(jiàn)寬依賴(lài)進(jìn)行Stage切分。

Spark內(nèi)核會(huì)從觸發(fā)Action操作的那個(gè)RDD開(kāi)始從后往前推，首先會(huì)為最后一個(gè)RDD創(chuàng)建一個(gè)Stage，然后繼續(xù)倒推，如果發(fā)現(xiàn)對(duì)某個(gè)RDD是寬依賴(lài)，那么就會(huì)將寬依賴(lài)的那個(gè)RDD創(chuàng)建一個(gè)新的Stage，那個(gè)RDD就是新的Stage的最后一個(gè)RDD。
然后依次類(lèi)推，繼續(xù)倒推，根據(jù)窄依賴(lài)或者寬依賴(lài)進(jìn)行Stage的劃分，直到所有的RDD全部遍歷完成為止。