Spark运行架构特点

1.1.1.Executor进程专属

每个Application获取专属的executor进程，该进程在Application期间一直驻留，并以多线程方式运行tasks。

Spark Application不能跨应用程序共享数据，除非将数据写入到外部存储系统。

如图所示:

 

 

1.1.2. 支持多种资源管理器

Spark与资源管理器无关，只要能够获取executor进程，并能保持相互通信就可以了，

Spark支持资源管理器包含： Standalone、On Mesos、On YARN、Or On EC2。

如图所示:

 

 

1.1.3. Job提交就近原则

提交SparkContext的Client应该靠近Worker节点(运行Executor的节点)，最好是在同一个Rack(机架)里，

因为Spark Application运行过程中SparkContext和Executor之间有大量的信息交换;

如果想在远程集群中运行，最好使用RPC将SparkContext提交给集群，不要远离Worker运行SparkContext。

如图所示:

 

 

1.1.4. 移动程序而非移动数据的原则执行

Task采用了数据本地性和推测执行的优化机制。

关键方法：taskIdToLocations、getPreferedLocations。

如图所示:

 

 

转载于:https://www.cnblogs.com/TiePiHeTao/p/b3f45c77d5fb7caca7b57b866662308d.html