Spark應用程式執行階段的劃分

sparkcontext物件包含有乙個私有屬性dagscheduler階段排程器，主要用於階段的劃分。在乙個應用程式中，任務的提交都是從行動運算元觸發的。行動運算元的方法內部會呼叫乙個runjob方法，其中就有dag排程器發揮執行job的作用：

dagscheduler.runjob(rdd, cleanedfunc, partitions, callsite, resulthandler, localproperties.get)

runjob方法中，會執行submitjob方法：

val waiter = submitjob(rdd, func, partitions, callsite, resulthandler, properties)

val waiter = new jobwaiter[u](this, jobid, partitions.size, resulthandler)
eventprocessloop.post(jobsubmitted(
jobid, rdd, func2, partitions.toarray, callsite, waiter,
utils.cloneproperties(properties)))

此處有乙個jobsubmitted事件，這個事件作為post方法的引數，該post方法主要用於將事件放入到乙個佇列中，然後等待事件執行緒執行佇列中的事件：

def post(event: e): unit =  else 
}}

檢視這個事件執行緒eventthread，當這個事件執行緒執行的時候，會執行run方法，在方法的內部會取出事件佇列中的事件。

private[spark] val eventthread = new thread(name)  catch  catch }}
} catch 
}}

override def onreceive(event: dagschedulerevent): unit =  finally 
}

這是階段排程器的主要事件迴圈。該方法又將事件傳給了doonreceive方法，

private def doonreceive(event: dagschedulerevent): unit = event match

該方法中包含模式匹配，jobsubmitted事件正好可以匹配到第一項，說白了就是dagscheduler類會向事件佇列傳送乙個訊息，訊息中包含的是事件，然後事件執行緒收到訊息之後會對訊息進行匹配。此處會執行handlejobsubmitted方法，檢視其原始碼，其中

private[scheduler] def handlejobsubmitted(jobid: int,
finalrdd: rdd[_],
func: (taskcontext, iterator[_]) => _,
partitions: array[int],
callsite: callsite,
listener: joblistener,
properties: properties): unit = catch

resultstage中包含的rdd就是執行行動運算元的那個rdd（下圖中黃色表示的那個），也就是最後的那個rdd（下圖中黃色圖表示的rdd）。parents是resultstage的上一級階段，parents是getorcreateparentstages方法的返回值。getorcreateparentstages用於獲取或者建立給定rdd的父階段列表。

private def getorcreateparentstages(rdd: rdd[_], firstjobid: int): list[stage] = .tolist
}

getshuffledependencies方法用於獲取給定rdd的shuffle依賴，其核心**如下：

private[scheduler] def getshuffledependencies(
rdd: rdd[_]): hashset[shuffledependency[_, _, _]] = 
}} parents
}

核心**用於判斷給定rdd的依賴關係是不是shuffle依賴，如果是則加入結果列表。最終返回的結果列表，會通過map方法將列表中的每乙個元素執行getorcreateshufflemapstage方法，該方法用於獲取或者建立shufflemap階段（寫磁碟之前的階段）。

getorcreateshufflemapstage(shuffledep, firstjobid)=>createshufflemapstage(shuffledep, firstjobid)

createshufflemapstage方法中會建立shufflemapstage物件，並當前rdd（呼叫行動運算元的那個）依賴的rdd（下圖紫色那個rdd）傳給這個物件。

def createshufflemapstage[k, v, c](
shuffledep: shuffledependency[k, v, c], jobid: int): shufflemapstage = {
val rdd = shuffledep.rdd
…… val numtasks = rdd.partitions.length
val parents = getorcreateparentstages(rdd, jobid)
val id = nextstageid.getandincrement()
val stage = new shufflemapstage(
id, rdd, numtasks, parents, jobid, rdd.creationsite, shuffledep, mapoutputtracker)
……

此時，shufflemap階段（下圖紅色區域）就是result階段（藍色區域）的上一級階段。在上面的**中，我們還可以看到，如果當前shufflemap階段還有上一級階段，那麼getorcreateparentstages(rdd, jobid)方法還是會獲取它的上一級階段的，此時這個方法中的rdd就不再是最後乙個rdd，而是最後乙個rdd的前乙個rdd，也就是紫色表示的那個rdd。也就是說，階段的尋找是乙個不斷往前的過程，只要含有shuffle過程，那麼就會有新的階段。

Spark應用程式執行階段的劃分

spark應用程式的執行架構

Spark應用程式的執行架構

spark應用程式的執行架構

Spark應用程式執行 階段的劃分

spark應用程式的執行架構

Spark應用程式的執行架構

spark應用程式的執行架構

相關推薦

Spark應用程式執行階段的劃分