架构组成
- RDD:弹性,分布式,只读的一个数据集。(抽象概念)
- Exector:worker节点的一个进程:spark的任务是线程级别的。Exector负责对具体任务的分配
Exector的多线程执行任务与公用内存和磁盘的管理方式决定了优异性能 - Application:用户自己编写的程序。包含了多个job与一个driver。
- job:具体的操作,包含多个RDD及相应的操作
- stage:job分配的一组task的集合
- DAG:有向无环图
- sparkContext:由RDD计算生成DAG。解析成stage给exector。
- 在spark上运行写好的jar包:
bin/spark-submit \(提交任务)
--class WordCount \(主类的全限定名)
--master spark://hadoop102:7077 \(master的指定)
WordCount.jar \(jar包的全限定名)
/word.txt \(指定文件的全限定名)
/out(指定输出的路径)