Spark学习笔记—源码内核（看天书，跳了，停更）

一、内核

Spark核心组件

环境——Yarn

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：

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

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：

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

2) 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。

 二、部署模式

Spark 支持多种集群管理器（Cluster Manager），分别为：

1) 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；

2) 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）

3) 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。

4) 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。

YARN机制

YARN Cluster

 YARN Client

 三、通信机制