Spark Executor内幕彻底解密：Executor工作原理图、ExecutorBackend注册源码解密、Executor实例化内幕、Executor具体工作内幕

本课主题

• Spark Executor 工作原理图
• ExecutorBackend 注册源码鉴赏和 Executor 实例化内幕
• Executor 具体是如何工作的

Spark Executor 工作原理图

• 第一步：Master 发指令给 Worker 启动 Executor；
• 第二步：Worker 接收到 Master 发送过来的指令通过 ExecutorRunner 远程启动另外一个线程来运行 Executor；
• 第三步：通过发送 RegisterExecutor 向 Driver 注册 Executor，这个时侯Worker 会启动另外一个进程来向 Driver 发送注册的信息，思考题：为什么要多开一个新进程而不在原有的 Worker 进程里发送信息给 Driver 呢？因为Worker 主要是管理当前机器上的资源的，而当前机器上的资源有变动的时候需要汇报给 Master，Worker 不是用来计算的，所以不可以在 Worker 里做计算；而且，在 Spark 中可能有很多不同的的应用程序，有很多应用程序你就需要有很多 Executor，如果你不是为每个 Executor 启动一个进程的话，这会导致当一个程序崩溃时，其他程序也会崩溃。

  需要特别注意的是在 CoarseGrainedExecutorBackend 启动时向 Driver 注册 Executor 其实质上是注册 ExecutorBackend 实例，和 Executor 实例之间没有直接关系！ CoarseGrainedExecutorBackend 是 Executor 运行所在的进程名称，Executor 才是真正处理 Task 的对象Executor 内部是通过线程池的方式来完成 Task 的计算的，CoarseGrainedExecutorBackend 和 Executor 是一对一的关系
  
  
  CoarseGrainedExecutorBackend 是一个消息通信体(其实现了 (ThreadSafeRpcEndPoint) ，可以发送信息给 Driver 并可以接受 Driver 中发过来的指令，例如启动 Task 等。
  

• 第四步：在 DriverEndpoint 中会接受到 RegisterExecutor 信息并完成在 Driver 上的注册，其实际是注册给 CoarseGrainedSchedulerBackend
  
  
  
  在 Driver 进程中有两个至关重要的 Endpoint: (注册的内幕源码可以参考Spark天堂之门解密)
  1) ClientEndpoint: 主要负责向 Master 注册当前的程序，是 AppClient 的内部成员;
  
  2) DriverEndpoint: 这是整个程序运行时候的驱动器，是CoraseGraninedSchedulerBackend 的内部成员。
• 在 Driver 中通过 ExecutorData 封装并注册 ExecutorBackend 的信息到 Driver 的内存数据结构 executorMapData 中：
• 实际在执行的时候DriverEndpoint 会把信息写下CoarseGraninedSchedulerBackend 的内存数据结构executorMapData 中，所以说最终是注册给了CoarseGraninedSchedulerBackend，也就是说CoarseGraninedSchedulerBackend 掌握了为当前程序分配的所有的ExecutorBackend 进程，而每一个ExecutorBackend 进程实例中会通过Executor对象来负责具体Task 的运行。
• 在运行的时候使用 synchronised 关键字来保证 executorMapData 安全的并发写操作。

ExecutorBackend 注册源码鉴赏和 Executor 实例化内幕

1. CoarseGrainedExecutorBackend 收到 DriverEndpoint (CoraseGrainedSchedulerBackend) 发送过来的 RegisteredExecutor 消息后会启动 Executor 实例对象，而 Executor 实例对象是事实上负责真正的 Task 的计算的;
   
   
   
2. Executor在实例化的时候会实例化一个线程池来准备 Task 的计算的。
   
   

Executor 具体是如何工作的

1. 当 Driver 发送过来 Task 的时候，其实是发送给了 CoarseGrainedExecutorBackend 这个 RpcEndpoint ，而不是直接发送给了 Executor (Executor 由于不是消息循环体，所以永远也无法直接接受远程发过来的信息)；
2. ExecutorBackend 在收到 Driver 中发送过来的消息后会通过调用 LaunchTask 来交给 Executor 去执行:
   
   
3. 创建的 threadPool 中以多线程并发执行和线程复用的方式来高效的执行 Spark 发过来的 Task，接收到 Task 执行的命令后，会首先把 Task 封装在 TaskRunner 里面，TaskRunner 其实是 Java 中的 Runnerable 接口的具体的实现，在真正工作的时候会交给线程池中的线池去运行，此时会调用 run 方法来执行 task，TaskRunner 在调用 run 方法的时候会调用 Task run方法，而 Task 的 run 方法会调用 runTask, 而实际 Task 有 ShuffleMapTask 和 ResultTask；
   

[总结部份]

更新中......