spark内核

最新推荐文章于 2024-07-17 11:13:52 发布

Zzw1129

最新推荐文章于 2024-07-17 11:13:52 发布

阅读量120

点赞数

文章标签： spark 大数据 hadoop

原文链接：https://www.bilibili.com/video/BV11A411L7CK/?p=135

版权

spark组件

1、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：

将用户程序转化为作业（Job）；
在 Executor 之间调度任务（Task）；
跟踪 Executor 的执行情况；
通过 UI 展示查询运行情况；

2、Executor

Spark Executor 对象是负责在 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，ExecutorBackend 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 ExecutorBackend 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：

负责运行组成 Spark 应用的任务，并将结果返回给驱动器（Driver）；
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。

3、调度流程

任务提交后，都会先启动 Driver 程序；
随后 Driver 向集群管理器注册应用程序；
之后集群管理器根据此任务的配置文件分配 Executor 并启动；
Driver 开始执行 main 函数，Spark 查询为懒执行，当执行到 Action 算子时开始反向推算，根据宽依赖进行 Stage 的划分，随后每一个 Stage 对应一个 Taskset，Taskset 中有多个 Task，查找可用资源 Executor 进行调度；
根据本地化原则，Task 会被分发到指定的 Executor 去执行，在任务执行的过程中， Executor 也会不断与 Driver 进行通信，报告任务运行情况

spark部署

Spark 支持多种集群管理器（Cluster Manager），分别为：

Standalone：独立模式，Spark 原生的简单集群管理器，自带完整的服务，可单独部署到
一个集群中，无需依赖任何其他资源管理系统，使用 Standalone 可以很方便地搭建一个
集群；
Hadoop YARN：统一的资源管理机制，在上面可以运行多套计算框架，如 MR、Storm
等。根据 Driver 在集群中的位置不同，分为 yarn client（集群外）和 yarn cluster（集群
内部）
Apache Mesos：一个强大的分布式资源管理框架，它允许多种不同的框架部署在其上，
包括 Yarn。
K8S : 容器式部署环境。
实际上，除了上述这些通用的集群管理器外，Spark 内部也提供了方便用户测试和学习
的本地集群部署模式和 Windows 环境。由于在实际工厂环境下使用的绝大多数的集群管理
器是 Hadoop YARN，因此我们关注的重点是 Hadoop YARN 模式下的 Spark 集群部署。

1、YARN Cluster 模式

执行脚本提交任务，实际是启动一个 SparkSubmit 的 JVM 进程；
SparkSubmit 类中的 main 方法反射调用 YarnClusterApplication 的 main 方法；
YarnClusterApplication 创建 Yarn 客户端，然后向 Yarn 服务器发送执行指令：bin/java
ApplicationMaster；
Yarn 框架收到指令后会在指定的 NM 中启动 ApplicationMaster；
ApplicationMaster 启动 Driver 线程，执行用户的作业；
AM 向 RM 注册，申请资源；
获取资源后 AM 向 NM 发送指令：bin/java YarnCoarseGrainedExecutorBackend；
CoarseGrainedExecutorBackend 进程会接收消息，跟 Driver 通信，注册已经启动的
Executor；然后启动计算对象 Executor 等待接收任务
Driver 线程继续执行完成作业的调度和任务的执行。
Driver 分配任务并监控任务的执行。

注意：SparkSubmit、ApplicationMaster 和 CoarseGrainedExecutorBackend 是独立的进程；Driver是独立的线程；Executor 和 YarnClusterApplication 是对象。

2、YARN Client 模式

执行脚本提交任务，实际是启动一个 SparkSubmit 的 JVM 进程；
SparkSubmit 类中的 main 方法反射调用用户代码的 main 方法；
启动 Driver 线程，执行用户的作业，并创建 ScheduleBackend；
YarnClientSchedulerBackend 向 RM 发送指令：bin/java ExecutorLauncher；
Yarn 框架收到指令后会在指定的 NM 中启动 ExecutorLauncher（实际上还是调用
ApplicationMaster 的 main 方法）；

object ExecutorLauncher {
 def main(args: Array[String]): Unit = {
 ApplicationMaster.main(args)
 }}

AM 向 RM 注册，申请资源；
获取资源后 AM 向 NM 发送指令：bin/java CoarseGrainedExecutorBackend；
CoarseGrainedExecutorBackend 进程会接收消息，跟 Driver 通信，注册已经启动的
Executor；然后启动计算对象 Executor 等待接收任务
Driver 分配任务并监控任务的执行。

注意：SparkSubmit、ApplicationMaster 和 YarnCoarseGrainedExecutorBackend 是独立的进程；Executor 和 Driver 是对象