• ExecutorEndpoint接受到LaunchTask指令后，解码出TaskDescription,调用Executor的launchTask方法
• Executor创建一个TaskRunner线程，并启动线程，同时将改线程添加到Executor的成员对象中，代码如下：

private val runningTasks = new ConcurrentHashMap[Long, TaskRunner]runningTasks.put(taskDescription.taskId, taskRunner)

• TaskRunner
• • 首先向DriverEndpoint发送任务最新状态为RUNNING
  • 从TaskDescription解析出Task，并调用Task的run方法
• Task
• • 创建TaskContext以及CallerContext（与HDFS交互的上下文对象）
  • 执行Task的runTask方法
  • • 如果Task实例为ShuffleMapTask：解析出RDD以及ShuffleDependency信息，调用RDD的compute()方法将结果写Writer中（Writer这里不介绍，可以作为黑盒理解，比如写入一个文件中），返回MapStatus对象
    • 如果Task实例为ResultTask：解析出RDD以及合并函数信息，调用函数将调用后的结果返回
• TaskRunner将Task执行的结果序列化，再次向DriverEndpoint发送任务最新状态为FINISHED

     

• DriverEndpoint接受到StatusUpdate消息后，调用TaskScheduler的statusUpdate(taskId, state, result)方法
• TaskScheduler如果任务结果是完成，那么清除该任务处理中的状态，并调动TaskResultGetter相关方法，关键代码如下：

val taskSet = taskIdToTaskSetManager.get(tid) taskIdToTaskSetManager.remove(tid)taskIdToExecutorId.remove(tid).foreach { executorId =>  executorIdToRunningTaskIds.get(executorId).foreach { _.remove(tid) }}taskSet.removeRunningTask(tid) if (state == TaskState.FINISHED) {  taskResultGetter.enqueueSuccessfulTask(taskSet, tid, serializedData)} else if (Set(TaskState.FAILED, TaskState.KILLED, TaskState.LOST).contains(state)) {  taskResultGetter.enqueueFailedTask(taskSet, tid, state, serializedData)}

• TaskResultGetter启动线程启动线程【task-result-getter】进行相关处理
• • 通过解析或者远程获取得到Task的TaskResult对象
  • 调用TaskSet的handleSuccessfulTask方法，TaskSet的handleSuccessfulTask方法直接调用TaskSetManager的handleSuccessfulTask方法
• TaskSetManager
• • 更新内部TaskInfo对象状态，并将该Task从运行中Task的集合删除，代码如下：

val info = taskInfos(tid)info.markFinished(TaskState.FINISHED, clock.getTimeMillis())removeRunningTask(tid)

• • 调用DAGScheduler的taskEnded方法，关键代码如下：

sched.dagScheduler.taskEnded(tasks(index), Success, result.value(), result.accumUpdates, info)

• DAGScheduler向DAGSchedulerEventProcessLoop存入CompletionEvent指令,CompletionEvent对象定义如下

private[scheduler] case class CompletionEvent(    task: Task[_],    reason: TaskEndReason,    result: Any,    accumUpdates: Seq[AccumulatorV2[_, _]],    taskInfo: TaskInfo)  extends DAGSchedulerEvent

     DAGSchedulerEventProcessLoop中针对于CompletionEvent指令，调用DAGScheduler进行处理，DAGScheduler更新Stage与该Task的关系状态，如果Stage下Task都返回，则做下一层Stage的任务拆解与运算工作，直至Job被执行完毕
  

• DAGSchedulerEventProcessLoop接收到CompletionEvent指令后，调用DAGScheduler的handleTaskCompletion方法
• DAGScheduler根据Task的类型分别处理
• 如果Task为ShuffleMapTask
• • 待回馈的Partitions减取当前partitionId
  • 如果所有task都返回，则markStageAsFinished(shuffleStage)，同时向MapOutputTrackerMaster注册MapOutputs信息，且markMapStageJobAsFinished
  • 调用submitWaitingChildStages(shuffleStage)进行下层Stages的处理，从而迭代处理最终处理到ResultTask，job结束，关键代码如下：

private def submitWaitingChildStages(parent: Stage) {   ...  val childStages = waitingStages.filter(_.parents.contains(parent)).toArray  waitingStages --= childStages  for (stage <- childStages.sortBy(_.firstJobId)) {    submitStage(stage)  }}

• 如果Task为ResultTask
• • 改job的partitions都已返回，则markStageAsFinished(resultStage)，并cleanupStateForJobAndIndependentStages(job)，关键代码如下

for (stage <- stageIdToStage.get(stageId)) {  if (runningStages.contains(stage)) {    logDebug("Removing running stage %d".format(stageId))    runningStages -= stage  }  for ((k, v) <- shuffleIdToMapStage.find(_._2 == stage)) {    shuffleIdToMapStage.remove(k)  }  if (waitingStages.contains(stage)) {    logDebug("Removing stage %d from waiting set.".format(stageId))    waitingStages -= stage  }  if (failedStages.contains(stage)) {    logDebug("Removing stage %d from failed set.".format(stageId))    failedStages -= stage  }}// data structures based on StageIdstageIdToStage -= stageIdjobIdToStageIds -= job.jobIdjobIdToActiveJob -= job.jobIdactiveJobs -= job

【Spark2.0源码学习】-10.Task执行与回馈