Spark工作流程简述

这是参加东软大数据实习的一份平时作业，图片内容来源于课件。

Spark工作流程简述

1. 用户构建Spark Application的运行环境，启动SparkContext（上下文）
2. 用户编写程序提交到Master上
3. Master构建一个有向无环图（DAG）
4. 根据DAG生成不同的TaskSet任务集
5. Master上面的Task Scheduler会把任务集分配给若干个Worker节点
6. worker节点会启动executor进程，从而执行不同的task
7. worker节点执行完之后，将结果通过集群返回给master
8. master显示给调用者（客户）

总体过程如下图：

注意点：

• 数据可以存储在HDFS（Hadoop分布式文件系统）上，在做transformmations时，不进行真的计算，只是在内存中形成有向无环图DAG；当调用Actions等操作时，才产生真正的计算，根据DAG回溯到最初的数据，开始计算得到结果写回HDFS。如下图所示：

• 具体的执行的过程会以包含INFO的形式打印出来，可以查看控制台输出，如下图，控制台中打印出了多条INFO信息，就是执行的详细过程。