Spark架构图详解

Spark架构

架构图如下：

Spark结构主要分为四个部分：
1. 用来提交作业的Client程序：client是什么呢，比如spark中提交程序的shell窗口，宏观上讲，是一台提交程序的物理机。负责将打包好的spark程序提交到集群中，提交完程序这个客户端客户端程序还发挥什么作用呢？yarn-client模式下，客户端提交程序后，在该客户端上又运行着一个driver程序，这个client的作用持续到spark程序运行完毕，而yarn-cluster模式下，客户端提交程序后就不再发挥任何作用，也就是说仅仅发挥了提交程序包的作用。

2.用来驱动程序运行的Driver程序：driver完成的工作主要是创建用户的上下文，这个上下文中包括很多控件比如DADScheduler、TaskScheduler等等，这些控件完成的工作也称为driver完成的。driver中完成RDD的生成，将RDD划分成有向无环图，生成task，接受master的指示将task发送到worker节点上进行执行等工作。

3.用来进行资源调度的ClusterManager: 整个集群的master，主要完成资源的调度，涉及一些调度算法，自带的资源管理器只支持FIFO调度，yarn和mesos还支持其他方式的调度算发。CM一边和driver打交道 ，一边和worker打交道，driver向CM申请资源，worker通过心跳机制向CM汇报自己的资源和运行情况，CM告诉driver应该向哪些worker发送消息， 然后driver把task发送到这些可用的worker上
4.用来执行程序的worker:worker用多个executor来执行程序

整个Spark集群采用的是master-slaver模型，master（CluserManager）负责集群整体资源的调度和管理并管理worker，worker管理其上的executor。