Spark Core 的核心使用

Spark 程序核心概念

* 首先，官网的这张图很好的描述了一个Spark 应用程序的结构，一个Spark应用程序由一个Driver端和多个Executor组成，多个task 以多线程的形式运行在Executor中。
* Driver端： Driver负责运行程序的main()方法，负责将代码发送到各个Executor去执行，然后取回结果，Driver端也是以Executor方式运行，可以运行在本地（Client），也可以运行在集群内部（Cluster），以Spark-shell形式运行的Spark应用程序，其Driver端都是运行在本地，以Spark-submit形式提交的作业可以通过参数- -deploy-mode来指定Driver端运行在哪里。
* Executor： Executor是代码执行的地方，以进程的形式运行在节点之上（如standalone模式的Worker和yarn模式的NM）。
* Task： 一个Executor可以同时运行多个task,每个task执行一个任务，其性质是以多线程的形式运行在Executor中
* Cluster Manager： 根据运行模式的不同（如Standalone，Apache Mesos，Hadoop YARN ，Kubernetes ）其性质也会不同，主要是负责获取集群资源的外部服务（如standalone模式的Master和yarn模式的RM）
* Job： 一个Action的触发即为一个job,一个job 存在多个task
* Stage: Job中如果有Shuffle产生就会分为2个Stage，一个Job 可由多个Stage构成，一个Stage 可由多个task 组成

Spark-shell

• Spark-shell是以一种交互式命令行的模式来启动一个Spark作业，它会给你创建好Spark应用程序的入口SparkContext，简称sc,SparkSql 的入口SparkSession（spark2.0)简称spark, 并且以参数的形式来指定运行模式，应用程序名称等（S