Spark on Yarn资源调度源码解析

来源：互联网发布：mac mini u盘重装系统编辑：程序博客网时间：2024/06/05 11:15

在命令行中调用SparkSubmit类启动Spark自定义Jar包执行的时候当前节点调用的有主函数的类名childMainClass分为
-----------------
standalone: org.apache.spark.deploy.rest.RestSubmissionClient
client：jar包中main函数，默认形式
yarn-cluster：org.apache.spark.deploy.yarn.Client
memos：org.apache.spark.deploy.rest.RestSubmissionClient

在SparkContext文件各调度模式的相关类
-----------------
local：LocalSparkCluster + SparkDeploySchedulerBackend + TaskSchedulerImpl
yarn-cluster: YarnClusterSchedulerBackend + YarnClusterScheduler
yarn-client：YarnClientSchedulerBackend + YarnScheduler
standalone：SparkDeploySchedulerBackend + TaskSchedulerImpl
memos：MesosSchedulerBackend + TaskSchedulerImpl

yarn-cluster模式各节点所执行的代码入口
-----------------
在客户端节点做的事情：
SparkSubmit//提交自定义程序并在在客户端机器本地建立运行环境
   submit.doRunMain.runMain
        loader//设置类加载器
        Client.main
             YarnClient.submitApplication
在yarn集群中选的Driver程序运行节点做的事情：
ApplicationMaster.main//yarn-cluster模式Driver所在节点
   run.runDriver

在yarn集群其它节点做的事情：
ExecutorLauncher.main//yarn-cluster模式Executor所在节点
ApplicationMaster.main
run.runExecutorLauncher//启动executor程序

yarn-cluster模式用户命令界面提交执行->初始化->调度->划分stage->生成task和tasket并提交执行的流程

----------------

SparkSubmit//提交自定义程序并在在客户端机器本地建立运行环境

submit.doRunMain.runMain

loader//设置类加载器

mainMethod.invoke//调用类的main方法，这个类根据不同调度模式是不同的类，具体参考本页面中关于childMainClass的内容

SparkContext//构造函数和成员变量初试化

DAGScheduler//新建对象DAGScheduler

new YarnClusterScheduler//TaskSchedulerImpl

new YarnClusterSchedulerBackend//RPC通信

TaskScheduler.start

YarnClusterSchedulerBackend.start

textFile//产生RDD和RDD对应的Partition，以及底层存储Block

RDD.map//RDD变换为另一个RDD，用于构造关系暂不实际计算

RDD.reduce//根据前面构造的依赖关系开始实际计算

SparkContext.runJob

DAGScheduler.runJob.submitJob

DAGSchedulerEventProcessLoop.post//触发任务提交事件，任务调度开始

eventQueue.put

eventQueue.take

DAGSchedulerEventProcessLoop.onReceive

DAGScheduler.handleJobSubmitted

newResultStage//构造final stage

updateJobIdStageIdMaps//通过RDD之间的依赖构造Stage间依赖关系

submitStage

submitMissingTasks

Serializer.serialize//对任务信息编组

partitionsToCompute//根据Stage类型对每个Partition建立对应Task

new ShuffleMapTask/ResultTask

TaskScheduler.submitTasks//进入Task级别的调度，在此处区分不同调度类型的行为

new TaskSet

createTaskSetManager

new TaskSetManager

SchedulableBuilder.addTaskSetManager//进入单机多任务的调度

FIFOSchedulableBuilder/FairSchedulableBuilder

SchedulerBackend.reviveOffers//实际调度程序

SparkDeploySchedulerBackend/YarnClusterSchedulerBackend/MesosSchedulerBackend

RpcEndpointRef.send

AkkaRpcEndpointRef.send

ActorRef ! AkkaMessage

Driver和Executor节点注册，分配资源和启动的流程

----------------

YarnClusterSchedulerBackend.start

Client

submitApplication

createContainerLaunchContext

ApplicationMaster.main//yarn-cluster模式Driver和ApplicationMaster所在节点

run.runDriver

startUserApplication//启动远程driver程序

mainMethod.invoke

runAMEndpoint//ApplicationMaster通信地址

registerAM//在ResourceManager上注册ApplicationMaster

YarnRMClient.register//

AMRMClient.registerApplicationMaster//进入Yarn原生API

new YarnAllocator//分配container的

YarnAllocator.allocateResources

AMRMClient.allocate//进入Yarn原生API

handleAllocatedContainers

runAllocatedContainers

new ExecutorRunnable

run

NMClient.start

startContainer

NMClient.startContainer//进入Yarn原生API

ExecutorLauncher.main//yarn-cluster模式Executor所在节点

ApplicationMaster.main

run.runExecutorLauncher//启动executor程序

waitForSparkDriver//等待客户端driver程序就绪

RpcEnv.create//建立ApplicationMaster和Driver通讯的RPC地址

runAMEndpoint//

registerAM

createApplicationSubmissionContext

YarnClient.submitApplication//进入Yarn原生API

JobScheduler//只在Streaming模块中使用，配合JobGenerator使用。

0 0