Spark源碼剖析(四):WordCount的Stage劃分

WordCount的代碼

主要是從HDFS讀取文件后進行單詞切割,然后進行計數,如果不懂RDD算子可以看RDD詳解

WordCount的各個算子

SparkRDD的運行流程

SparkRDD寬依賴和窄依賴

SparkRDD之間的依賴主要有:

1.寬依賴

寬依賴指的是多個子RDD的Partition會依賴同一個父RDD的Partition

總結:窄依賴我們形象的比喻為超生

2.窄依賴

窄依賴指的是每一個父RDD的Partition最多被子RDD的一個Partition使用

總結:窄依賴我們形象的比喻為獨生子女

結合WordCount的源碼分析

WordCount算子內部解析

在WordCount程序中,第一個使用的Spark方法是textFile()方法,主要的源碼是

這個方法的主要作用是從HDFS中讀取數據, 這里創(chuàng)建一個HadoopRDD,在這個方法內部還創(chuàng)建一個MapPartitionRDD,接下里的幾個 RDD同樣是MapPartitionRDD,最主要的是看saveAsTextFile()方法悉盆。 下面是saveAsTextFile()方法,代碼在RDD類的1272行,具體內容如下:

這個方法的主要作用是產生一個RDD,MapPartitionsRDD;然后將RDD轉化為PairRDDFuctions,接下來是saveAsHadoopFile()方法: 主要的代碼如下:

繼續(xù)查看saveAsHadoopDataset()方法源碼,主要的代碼如下:

代碼解析:

1.獲取寫入HDFS中的文件流

2.一個函數將分區(qū)數據迭代的寫入到HDFS中

3.開始提交作業(yè),Self表示Final RDD也就是作業(yè)最后的RDD在WordCount中也就是MapPartitionsRDD

這里我們將會追蹤到runJob()方法中,

這里我們繼續(xù)追蹤到runJob()的重載方法,夏滿是這個方法的核心代碼:

這里是非常重要的方法,主要做的工作是調用SparkContext類中創(chuàng)建的dagScheduler,使用dagScheduler劃分Stage,然后將Stage轉化為TaskSet交給TaskScheduler在交個Executor執(zhí)行

劃分Stage

在前面的分析中,我們已經知道了dagScheduler調用了runJob()方法,這個方法的作用是劃分stage火诸。

這里主要是劃分stage,然后調用submitJob()返回一個調度器,這里我們繼續(xù)查看submitJob()方法苏遥。

上面是submitJob()方法的核心代碼,主要的作用是eventProcessLoop對象內部有一個阻塞隊列和線程商虐,先將數據封裝到Case Class中將事件放入到阻塞隊列聂受。

對于JobSubmitted類的模式匹配,主要的代碼如下:

這里調用dagScheduler的handleJobSubmitted()方法,這個方法是對stage劃分的主要方法,主要的核心代碼:

通過newStage()方法,根據這個方法在這里可以看出分區(qū)的數量決定Task數量伐庭。 通過追蹤newStage()方法,主要的代碼如下:

這個方法是遞歸的劃分Stage,主要的方法是getParentStages(rdd, jobId),具體的劃分代碼如下:

stage劃分算法如下:

涉及的數據結構:棧搂蜓、HashSet

1.通過最后的RDD,獲取父RDD

2.將finalRDD放入棧中,然后出棧,進行for循環(huán)的找到RDD的依賴,需要注意的是RDD可能有多個依賴

3.如果RDD依賴是ShuffleDependency,那么就可以劃分成為一個新的Stage,然后通過getShuffleMapStage()獲取這個stage的父stage;如果是一般的窄依賴,那么將會入棧

4.通過getShuffleMapStage()遞歸調用,得到父stage;一直到父stage是null

5.最后返回stage的集合

stage提交算法

在對于最后一個RDD劃stage后,進行提交stage,主要的方法是:

這里和劃分stage的算法一樣,拿到最后的stage然后找到第一個stage開始從第一個stage開始提交逆皮。

stage提交

下面的代碼是submitMissingTasks(),主要是核心的代碼:

這里主要做的工作是根據分區(qū)數量決定Task數量,然后根據stage的類型創(chuàng)建Task,這里主要有ShuffleMapTask和ResultTask无畔。

ShuffleMapTask:進行分區(qū)局部聚合,從上游拉去數據啊楚。

ResultTask:將結果寫入持久化介質.比如HDFS等。

這里將Task進行封裝成為TaskSet進行提交給taskScheduler浑彰。

關于Stage劃分流程圖


總結

1.textFile()方法會產生兩個RDD,HadoopRDD和MapPartitionRDD

2.saveTextAsFile()方法會產生一個RDD,MapPartitionRDD

3.Task數量取決于HDFS分區(qū)數量

4.Stage劃分是通過最后的RDD,也就是final RDD根據依賴關系進行遞歸劃分

5.stage提交主要是通過遞歸算法,根據最后一個Stage劃分然后遞歸找到第一個stage開始從第一個stage開始提交恭理。


喜歡小編的文章可以關注喲!


?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市郭变,隨后出現的幾起案子颜价,更是在濱河造成了極大的恐慌,老刑警劉巖饵较,帶你破解...
    沈念sama閱讀 216,744評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件拍嵌,死亡現場離奇詭異,居然都是意外死亡循诉,警方通過查閱死者的電腦和手機横辆,發(fā)現死者居然都...
    沈念sama閱讀 92,505評論 3 392
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來茄猫,“玉大人狈蚤,你說我怎么就攤上這事』Γ” “怎么了脆侮?”我有些...
    開封第一講書人閱讀 163,105評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長勇劣。 經常有香客問我靖避,道長,這世上最難降的妖魔是什么比默? 我笑而不...
    開封第一講書人閱讀 58,242評論 1 292
  • 正文 為了忘掉前任幻捏,我火速辦了婚禮,結果婚禮上命咐,老公的妹妹穿的比我還像新娘篡九。我一直安慰自己,他們只是感情好醋奠,可當我...
    茶點故事閱讀 67,269評論 6 389
  • 文/花漫 我一把揭開白布榛臼。 她就那樣靜靜地躺著伊佃,像睡著了一般。 火紅的嫁衣襯著肌膚如雪沛善。 梳的紋絲不亂的頭發(fā)上航揉,一...
    開封第一講書人閱讀 51,215評論 1 299
  • 那天,我揣著相機與錄音路呜,去河邊找鬼迷捧。 笑死,一個胖子當著我的面吹牛胀葱,可吹牛的內容都是我干的。 我是一名探鬼主播笙蒙,決...
    沈念sama閱讀 40,096評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼抵屿,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了捅位?” 一聲冷哼從身側響起轧葛,我...
    開封第一講書人閱讀 38,939評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎艇搀,沒想到半個月后尿扯,有當地人在樹林里發(fā)現了一具尸體,經...
    沈念sama閱讀 45,354評論 1 311
  • 正文 獨居荒郊野嶺守林人離奇死亡焰雕,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,573評論 2 333
  • 正文 我和宋清朗相戀三年衷笋,在試婚紗的時候發(fā)現自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片矩屁。...
    茶點故事閱讀 39,745評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡辟宗,死狀恐怖,靈堂內的尸體忽然破棺而出吝秕,到底是詐尸還是另有隱情泊脐,我是刑警寧澤,帶...
    沈念sama閱讀 35,448評論 5 344
  • 正文 年R本政府宣布烁峭,位于F島的核電站容客,受9級特大地震影響出牧,放射性物質發(fā)生泄漏棒假。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,048評論 3 327
  • 文/蒙蒙 一同欠、第九天 我趴在偏房一處隱蔽的房頂上張望棍现。 院中可真熱鬧调煎,春花似錦、人聲如沸己肮。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,683評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至娄柳,卻和暖如春寓辱,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背赤拒。 一陣腳步聲響...
    開封第一講書人閱讀 32,838評論 1 269
  • 我被黑心中介騙來泰國打工秫筏, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人挎挖。 一個月前我還...
    沈念sama閱讀 47,776評論 2 369
  • 正文 我出身青樓这敬,卻偏偏與公主長得像,于是被迫代替她去往敵國和親蕉朵。 傳聞我的和親對象是個殘疾皇子崔涂,可洞房花燭夜當晚...
    茶點故事閱讀 44,652評論 2 354

推薦閱讀更多精彩內容