第37课：Task执行内幕与结果处理解密

Task执行原理流程图

    1.当Driver中的CoarseGrainedSchedulerBackend给CoarseGrainedExecutorBackend发送LaunchTask之后，CoarseGrainedExecutorBackend在收到LaunchTask消息后，首先会反序列化TaskDescription： 

 val taskDesc = ser.deserialize[TaskDescription](data.value)
           

          2.Executor会通过会通过launchTask来执行Task：

 executor.launchTask(this, taskId = taskDesc.taskId, attemptNumber = 
     taskDesc.attemptNumber,
          taskDesc.name, taskDesc.serializedTask)
           

        3.TaskRunner在ThreadPool来运行具体的Task，在TaskRunner的run方法中首先会通过调用statusUpdate给Driver发信息汇报自己的状态说明自己是Running状态：

execBackend.statusUpdate(taskId, TaskState.RUNNING, EMPTY_BYTE_BUFFER)
           

       4.TaskRunner内部会做一些准备工作：例如反序列化Task的依赖：

Task.deserializeWithDependencies(serializedTask)
           

       然后通过网络来获取需要的文件、Jar等；

 updateDependencies(taskFiles, taskJars)
           

      5.然后是反序列Task本身；

 task = ser.deserialize[Task[Any]](taskBytes,Thread.currentThread.getContextClassLoader)
           

     6.调用反序列化后的Task.run方法来执行任务并获得执行结果

val (value, accumUpdates) = try {
          val res = task.run(
            taskAttemptId = taskId,
            attemptNumber = attemptNumber,
            metricsSystem = env.metricsSystem)
          threwException = false
          res
         }
           

      其中Task的run方法调用的时候会导致会导致Task的抽象方法runTask的调用，在Task的runTask内部会调用RDD的iterator()方法，该方法就是我们针对当前Task所对应的Partition进行计算的关键之所在，在具体的处理内部会迭代Partition的元素并交给我们自定义的function进行处理！

      对于ShuffleMapTask，首先要对RDD以及其依赖关系进行反序列化：

val (rdd, dep) = ser.deserialize[(RDD[_], ShuffleDependency[_, _, _])](
           

      最终计算的时候会调用RDD的compute方法：

 def compute(split: Partition, context: TaskContext): Iterator[T]
           

       具体计算的时候有具体的RDD，例如MapPartitRDD的compute：

  override def compute(split: Partition, context: TaskContext): Iterator[U] =
      f(context, split.index, firstParent[T].iterator(split, context))
           

      对也ResultTask：

val (rdd, func) = ser.deserialize[(RDD[T], (TaskContext, Iterator[T]) => U)](
          ByteBuffer.wrap(taskBinary.value), Thread.currentThread.getContextClassLoader)
        _executorDeserializeTime = System.currentTimeMillis() - deserializeStartTime
        metrics = Some(context.taskMetrics)
        func(context, rdd.iterator(partition, context))
           

     其中的f就是我们在当前的Stage中计算具体Partition的业务逻辑代码； 

     7.把执行结果序列：

 val valueBytes = resultSer.serialize(value)
           

    并根据大小判断不同的结果传回给Driver的方式

    8.CoarseGrainedExecutorBackend给DriverEndpoint发送StatusUpdate来传输执行结果，DriverEndpoint会把执行结果传递给TaskSchedulerImpl处理，然后交给TaskResultGetter内部通过线程去分别处理Task执行成功和失败时候的不同情况，然后告诉DAGScheduler任务处理结束的状况。

补充：

    1.在执行具体Task的业务逻辑前会进行四次反序列：

        a) TaskDescription的反序列化；

        b) 反序列化Task的依赖；

        c) Task的反序列化；

        d) RDD反序列化；

    2.在Spark中AkkaFrameSize是128MB，所有可以广播非常大的任务；而任务的执行结果可以最大达到1G。