spark学习笔记（三）——sparkcore基础知识

目录

端口号说明

spark核心模块

spark core

spark SQL

spark streaming

MLlib

GraphX

spark核心组件

driver

executor

Master&Worker

ApplicationMaster

运行架构

提交任务流程

Yarn Client

Yarn Cluster

---

端口号说明

4040（计算）：Spark 查看当前 Spark-shell 运行任务情况；

8080（资源）：Standalone 模式下，Spark Master Web端口号；

7077：Spark Master 内部通信服务；

18080：Spark 历史服务器端口号；

8088：Hadoop YARN 任务运行情况查看端口号。

spark核心模块

 spark SQL、spark Streaming、spark GraphX、spark MLlib

spark core

Spark Core 提供了 Spark 最基础与最核心的功能。

Spark 其他的功能 都是在 Spark Core 的基础上进行扩展的。

spark SQL

Spark SQL 是 Spark 用来操作结构化数据的组件。

通过 Spark SQL ，用户可以使用 SQL 或HQL（hive）来查询数据。

spark streaming

Spark Streaming 是 Spark 平台上针对实时数据进行流式计算的组件。

spark streaming提供了丰富的处理数据流的 API。

MLlib

MLlib 是 Spark 提供的一个机器学习算法库。

GraphX

GraphX 是 Spark 面向图计算提供的框架与算法库。

spark核心组件

Spark的核心是一个计算引擎。

driver

driver是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。

简单理解，driver 就是驱使整个应用运行起来的程序。

主要负责：

（1）将用户程序转化为作业（job）；

（2）在 Executor 之间调度任务(task) ；

（3）跟踪 Executor 的执行情况；

（4）通过 UI 展示查询运行情况。 

executor

executor是集群中Worker的一个 JVM 进程，负责在 Spark 作业中运行具体任务，任务之间相互独立。

Spark应用启动，Executor节点同时启动，且存在于Spark应用的生命周期。

如果有Executor节点发生了故障或崩溃，spark会将出错节点上的任务调度到其他 Executor节点上继续运行。

Executor 核心功能：

（1）负责运行组成 Spark 应用的任务，并将结果返回给驱动器；

（2） 为用户程序中要求缓存的 RDD 提供内存式存储；

（3）RDD 直接缓存在 Executor 进程内，任务可以在运行时充分利用缓存数据加速运算。

Master&Worker

Master 和 Worker：这里的 Master 是一个进 程，主要负责资源的调度和分配，进行集群监控等；Worker也是进程，一个Worker运行在集群中的一台服务器上，Master分配资源Worker对数据进行并行的处理和计算。

ApplicationMaster

ApplicationMaster用于向资源调度器申请执行任务的资源容器Container，运行用户自己的程序任务 job，监控整个任务的执行，跟踪整个任务的状态，处理任务失败等异常情况。

运行架构

Driver：负责管理整个集群中的作业任务调度。

Executor：负责实际执行任务。

提交任务流程

一般会有两种部署执行的方式：Client 和 Cluster

两种模式主要区别在于：Driver程序的运行节点位置。Client模式将用于监控和调度的Driver模块在客户端执行。Cluster模式将用于监控和调度的Driver模块在Yarn集群中执行。

Yarn Client

（1）Driver在任务提交的本地机器上运行；

（2）Driver和ResourceManager通讯，申请启动ApplicationMaster；

（3）ResourceManager分配Container，在合适的NodeManager上启动ApplicationMaster；

（4）ApplicationMaster负责向ResourceManager申请Executor内存;

（5）ResourceManager分配container；

（6）ApplicationMaster在指定的NodeManager上启动Executor进程；

（7）Executor向Driver反向注册；

（8）Executor全部注册完成后Driver开始执行；

（9）执行main函数，执行Action算子（Action算子触发一个 Job），根据宽依赖划分stage，每个 stage生成对应的TaskSet，将 task 分发到各个 Executor 上执行。

Yarn Cluster

（1）Driver任务提交；

（2）Driver和ResourceManager通讯，申请启动ApplicationMaster；

（3）ResourceManager分配Container，在合适的NodeManager上启动ApplicationMaster，这个ApplicationMaster就是Driver；

（4）ApplicationMaster负责向ResourceManager申请Executor内存;

（5）ResourceManager分配container；

（6）ApplicationMaster在指定的NodeManager上启动Executor进程；

（7）Executor向Driver反向注册；

（8）Executor全部注册完成后Driver开始执行；

（9）执行main函数，执行Action算子（Action算子触发一个 Job），根据宽依赖划分stage，每个 stage生成对应的TaskSet，将 task 分发到各个 Executor 上执行。

本文仅仅是学习笔记的记录！！！