Spark任务运行详解

在上一篇文章中，威廉展示了如何构建一个简单的Spark集群，本文将介绍如何在Spark集群上部署运行我们的程序

首先来看下Spark的简要工作流程

Spark应用运行在各自独立的进程中，由主程序（也被称为driver程序）中的SparkContext对象协调管理。SparkContext可连接到多种cluster manager，包括Spark本身提供的standalone cluster manager，以及YARN，Mesos。成功连接后，SparkContext会请求在Worker/Slave主机上运行executor进程用于管理数据，处理运算，并将JAR包或.py文件发送给executor。最后，SparkContext发送task给executor执行

以下几点值得注意：

1. 应用有各自独立的executor进程，多线程处理task，不同应用的task运行在不同的JVM中，这样有利于不同任务的隔离，但也导致了在不同应用中，若不依靠外部数据存储，数据将无法共享
2. Spark对于cluster manager是不可知的，不会影响到如YARN，Mesos等上运行的其他程序
3. driver程序监听executor连接，接口可以通过spark.driver.port，spark.fileserver.port配置，需保证这些接口可以被executor连接到
4. driver程序需要和executor通信，因此最好能保证它们处于同一网段；若不得不将driver启动在远程主机上，最好能打开RPC（远程过程调用协议），以减少driver和executor之间的通信时间

---

Spark支持运行Scala，Java及Python编写的应用，并提供了Python及Scala的Shell

Scala Shell

./bin/spark-shell --master local[2]

表示在本地使用2线程运行scala shell，更多参数可以通过./bin/spark-shell --help查阅

spark@master:~/spark-1.3.1-bin-hadoop2.6$ ./bin/spark-shell --master local[2]
log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties
15/05/13 08:10:59 INFO SecurityManager: Changing view acls to: spark
15/05/13 08:10:59 INFO SecurityManager: Changing modify acls to: spark
15/05/13 08:10:59 INFO SecurityManager: SecurityManager: authentication disabled; ui acls disabled; users with view permissions: Set(spark); users with modify permissions: Set(spark)
15/05/13 08:10:59 INFO HttpServer: Starting HTTP Server
15/05/13 08:11:00 INFO Server: jetty-8.y.z-SNAPSHOT
15/05/13 08:11:00 INFO AbstractConnector: Started SocketConnector@0.0.0.0:46123
15/05/13 08:11:00 INFO Utils: Successfully started service 'HTTP class server' on port 46123.
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /___/ .__/\_,_/_/ /_/\_\   version 1.3.1
      /_/

Using Scala version 2.10.4 (Java HotSpot(TM) 64-Bit Server VM, Java 1.7.0_75)
Type in expressions to have them evaluated.
Type :he