Spark学习（三） -- SparkContext初始化

标签（空格分隔）： Spark

本篇博客以WordCount为例说明Spark Job的提交和运行，包括Spark Application初始化、DAG依赖性分析、任务的调度和派发、中间计算结果的存储和读取。

SparkContext的初始化综述

SparkContext是进行Spark应用开大的主要接口，是Spark上层应用与底层实现的中转站。

SparkEnv
DAGScheduler
TaskScheduler
SchedulerBackend
WebUI

SparkContext的构造函数中最重要的入参是SparkConf.

根据初始化入参生成SparkConf，再根据SparkConf来创建SparkEnv;

//生成SparkEnv
private[spark] val env = SparkEnv.create(conf, "", conf.get("spark.driver.host", conf.get("spark.driver.port").toInt, isDriver = true, isLocal = isLocal)
SparkEnv.set(env)
创建TaskScheduler，根据Spark的运行模式来选择相应的SchedulerBackend，同时启动TaskScheduler；

//生成TaskScheduler
private[spark] var taskScheduler = SparkContext.createTaskScheduler(this, master, appName)
taskScheduler.start()
为上面创建的TaskScheduler实例为入参创建DAGScheduler并启动运行。

//生成DAGScheduler
@volatile private[spark] var dagScheduler = new DAGScheduler(taskScheduler)
dagScheduler.start()

Spark Repl综述

Scala已经拥有Repl，为什么在Spark中还要自己重写一套Repl呢？Scala原声的Repl，是使用Object来封装输入的代码，而在反序列化过程中，对象的构造函数会被再次调用，产生了副作用，我们希望生成Class而不是Object。(Scala中没有静态方法和静态字段，在Scala中可以用Object实现，对象的构造函数在第一次被使用的时候回调用，如果一个对象从未被使用，那么他的构造器也不会被执行，而且Object的构造函数必须是无参的)

1、scala没有静态方法或者静态字段
2、伴生对象充当于静态方法的类，所以伴生对象中全是静态的
3、Scala中的变量有两种var和val（val类似于Java中final，值不可改变）

Scala Repl执行过程

什么是Repl (Read-Eval-Print Loop)?

刚开始学编程的时候，是不是对搭建环境感觉非常棘手？比如从零开始搭建个 PHP Web 开发环境，要下载 Apache 服务器、PHP，然后安装、配置……经过这么一大堆的无关工作，你可能只是想验证一下教程上的 echo "Hello World"; 能不能工作。
这种时候，如果能有个网站可以在线执行代码：我们只要打开浏览器，进入网页，敲入要执行的代码，点击执行按钮就看到执行结果。那是一件多畅快的事情！
对于这种交互式的开发环境我们叫做 REPL（Read-Eval-Print Loop）

Scala是需要编译执行的，而Repl给我们的错觉是Scala解释执行的。在Repl中输入的语句是如何被真正执行的呢？

1）在Repl中输入的每一行语句，都会被封装成一个Object，这以工作主要由Interpreter完成；
2）对该Object进行编译；
3）由ClassLoader加载编译后的Java二进制文件；
4）执行引擎负责真正执行加载入内存的二进制。