CC00036.spark——|Hadoop&Spark.V10|——|Spark.v10|sparkcore|RDD编程高阶&spark原理初探|

一、Spark原理初探：Standalone模式作业提交

### --- Standalone 模式下有四个重要组成部分，分别是：

~~~     Driver：用户编写的 Spark 应用程序就运行在 Driver 上，由Driver 进程执行
~~~     Master：主要负责资源的调度和分配，并进行集群的监控等职责
~~~     Worker：Worker 运行在集群中的一台服务器上。
~~~     负责管理该节点上的资源，负责启动启动节点上的 Executor
~~~     Executor：一个 Worker 上可以运行多个 Executor，
~~~     Executor通过启动多个线程(task)对 RDD 的分区进行并行计算

### --- SparkContext 中的三大组件：

~~~     DAGScheduler：负责将DAG划分成若干个Stage
~~~     TaskScheduler：将DAGScheduler提交的 Stage(Taskset)进行优先级排序，再将task 发送到 Executor
~~~     SchedulerBackend：定义了许多与Executor事件相关的处理，
~~~     包括：新的executor注册进来的时候记录executor的信息，增加全局的资源量(核数)；
~~~     executor更新状态，若任务完成的话，回收core；其他停止executor、remove executor等事件

二、sparkcontext.Driver执行流程

三、standalone模式下作业提交步骤

### --- Standalone模式下作业提交步骤：

~~~     启动应用程序，完成SparkContext的初始化
~~~     Driver向Master注册，申请资源
~~~     Master检查集群资源状况。若集群资源满足，通知Worker启动Executor
~~~     Executor启动后向Driver注册(称为反向注册)
~~~     Driver完成DAG的解析，得到Tasks，然后向Executor发送Task
~~~     Executor 向Driver汇总任务的执行情况
~~~     应用程序执行完毕，回收资源

四、standalone模式下job执行流程