Table of Contents
- 一.Spark核心组件
- 1.1 Cluster Manager(Master,ResourceManager)
- 1.2 Worker(worker,NodeManager)
- 1.3 Driver
- 1.4 Executor
- 1.5 Application
- 二.Spark on Yarn
- 参考:
一.Spark核心组件
SparkContext将资源需求提交给Cluster Manager
Cluster Manager根据需求分配资源(Executor=Cache + Task)
SparkContext将Task提交给Executor运行
Executor返回结果给SparkContext
1.1 Cluster Manager(Master,ResourceManager)
Spark的集群管理器，主要负责对整个集群资源的分配与管理 Cluster Manager
1). 在 Yarn 部署模式下为 ResourceManager
2). 在 Mesos 部署模式下为 Mesos Master
3). 在 Standalone 部署模式下为 Master.
一般在Yarn部署的情况多一些
1.2 Worker(worker,NodeManager)
Spark 的工作节点. 在 Yarn 部署模式下实际由 NodeManager 替代. 主要负责以下工作:
1). 将自己的内存, CPU 等资源通过注册机制告知 Cluster Manager
2). 创建 Executor
3). 将资源和任务进一步分配给 Executor
4). 同步资源信息, Executor 状态信息给 ClusterManager 等
1.3 Driver
Spark 驱动器节点，用于执行 Spark 任务中的 main 方法，负责实际代码的执行工作
Driver 在 Spark 作业执行时主要负责:
1). 将用户程序转化为作业（Job）
2). 在 Executor 之间调度任务（Task）
3). 跟踪 Executor 的执行情况
4). 通过 UI 展示查询运行情况
1.4 Executor
Spark Executor 节点是负责在 Spark 作业中运行具体任务，任务彼此之间相互独立。 Spark 应用启动时，Executor 节点被同时启动，并且始终伴随着整个 Spark 应用的生命周期而存在。 如果有 Executor 节点发生了故障或崩溃，Spark 应用也可以继续执行，会将出错节点上的任务调度到其他 Executor 节点上继续运行。 Executor 有两个核心功能：
1). 负责运行组成 Spark 应用的任务，并将结果返回给驱动器（Driver）
2). 它们通过自身的块管理器（Block Manager）为用户程序中要求缓存的 RDD 提供内存式存储。RDD 是直接缓存在 Executor 进程内的，因此任务可以在运行时充分利用缓存数据加速运算。
1.5 Application
用户使用 Spark 提供的 API 编写的应用程序
1). Application 通过 Spark API 将进行 RDD 的转换和 DAG 的构建, 并通过 Driver 将 Application 注册到 Cluster Manager.
2). Cluster Manager 将会根据 Application 的资源需求, 通过一级分配将 Executor, 内存, CPU 等资源分配给Application.
3). Driver 通过二级分配将 Executor 等资源分配给每一个任务, Application 最后通过 Driver 告诉 Executor 运行任务
二.Spark on Yarn
3.1 Yarn的基本架构
Yarn的基本架构:
Yarn的三个组件:
ResourceManager、NodeManager、Application Manager
3.2 Spark on Yarn
通过spark-submit命令可以运行spark的程序，如下所示:
spark-submit --master MASTER_URL --deploy-mode DEPLOY_MODE
其中MASTER_URL有4种模式:
Master URLS
Local: local/local[K]、local[*]
Standalone:spark://HOSR:PORT
Mesos:mesos://HOST:PORT
YARN: yarn-client、yarn-cluster（根据本地hadoop配置）
调度pyspark程序实例:
-- spark 2.4.0版本
spark-submit --master local xxxx.py
spark-submit --master yarn --deploy-mode cluster xxxx.py
spark-submit --master yarn --deploy-mode client xxxx.py
3.2.1 YARN-Cluster模式
资源申请、分配在Application Master完成
任务执行计划、调度也在Application Master完成
3.2.2 YARN-Client模式
资源申请、分配在Application Master完成
任务执行计划、调度在Client端完成
3.3 Spark Job
SparkContext构建DAG图
将DAG图分解成Stage
把Taskset发送给Task Scheduler
参考:
1.https://www.cnblogs.com/hyunbar/p/12079449.html
