SparkContext介绍

spark任务的提交流程

1. 用户创建一个 Spark Context；
2. Spark Context 去找 Cluster Manager 申请资源同时说明需要多少 CPU 和内存等资源；
3. Cluster Manager 根据用户提交时设置的参数（CPU、内存），去找 WorkerNode 并启动 Executor，并介绍 Executor 给Driver；
4. Driver 会将用户程序划分为不同的 stage，每个 stage 会有一组完全相同的 task 来构成。这些 task 会作用于一些待处理的数据和不同的分区，在阶段划分和 task 创建完成后，Driver 会向 Executor 发送 task；
5. Executor 在接收到 task 后会下载 task 运行时的依赖，准备好 task 的运行环境，然后开始执行 task 并实时将 task 的运行环境传输给 Driver；
6. Driver 根据收到的 task 的运行情况来进行状态更新，不断的调用 task 来交给 Executor 执行，直到 task 全部执行正确。若超过最大重试次数还没有执行成功，就会停止 task。

1. 资源申请与初始化

• 用户创建SparkContext（SC），SC向集群管理器（如YARN或Standalone Master）申请资源，指定CPU和内存需求
• 集群管理器根据参数分配资源：
  • Standalone模式：Master直接管理Worker节点，创建Executor并注册到SC
  • YARN模式：RM创建ApplicationMaster（AM），AM通过NodeManager（NM）申请容器资源启动Executor

2. 任务划分与调度

• Driver（即SC所在进程）将用户程序解析为DAG图，根据宽依赖（ShuffleDependency）划分Stage：
  • 宽依赖触发Shuffle操作，形成ShuffleMapStage
  • 窄依赖合并为ResultStage
• 每个Stage被拆分为多个Task，每个Task对应一个数据分区的处理逻辑

3. 任务执行

• Executor接收Task后：
  1. 下载任务依赖的代码和数据
  2. 创建线程池并行执行Task
  3. 实时向Driver汇报执行进度和状态
• 任务失败时自动重试，超过最大重试次数则作业失败

4. 资源释放与结果处理

• 所有Task执行完成后：
  • Driver生成最终结果（如写入存储系统）
  • SC向集群管理器释放资源
  • 在YARN模式中，AM会主动注销应用

附：关键组件协作示意图