Spark內(nèi)核架構(gòu)解密

Driver：運(yùn)行程序時(shí)具有main方法并且創(chuàng)建SparkContext的環(huán)境對(duì)象
程序運(yùn)行的核心
SparkContext，高層調(diào)度器DAGScheduler，底層調(diào)度器TaskScheduler，也有SchedulerBackEnd
負(fù)責(zé)向Master注冊(cè)當(dāng)前程序，Master給他分配資源，根據(jù)Action返回Job，Job里面有一系列的RDD，如果是寬依賴(lài)的話就劃分成不同的Stage，Stage交給底層調(diào)度器TaskScheduler，TaskScheduler拿到任務(wù)后根據(jù)任務(wù)情況把任務(wù)給Executor去執(zhí)行。
Executor如果出問(wèn)題會(huì)向Driver進(jìn)行匯報(bào)，運(yùn)行完畢后SparkContext關(guān)閉

Application = Driver+ Executor
Driver部分的代碼:SparkConf+SparkContext
Executor部分的代碼：textFile, flatMap, map
Executor中有線程池，任務(wù)由線程池中的線程執(zhí)行，執(zhí)行后回收

Cluster Manager：獲取資源的外部程序
Spark Application的運(yùn)行不依賴(lài)于Cluster Manager
Worker上不運(yùn)行程序代碼，Worker管理資源使用情況，會(huì)接收Master分配資源的指令，并通過(guò)ExecutorRunner來(lái)啟動(dòng)新的進(jìn)程來(lái)開(kāi)啟Executor，Worker不會(huì)發(fā)機(jī)器資源信息給Master，在Master分配資源之時(shí)已經(jīng)知道了。

Job：包含一些列Task的并行計(jì)算
Action不會(huì)產(chǎn)生RDD

Spark快：調(diào)度、容錯(cuò)

窄依賴(lài)依賴(lài)固定個(gè)數(shù)的，不會(huì)變

Stage內(nèi)部計(jì)算邏輯完全一樣，只是計(jì)算的數(shù)據(jù)不同罷了

一個(gè)Application里面可以有多個(gè)jobs(不同的action)，一般一個(gè)action對(duì)應(yīng)一個(gè)job，checkpoint也會(huì)導(dǎo)致job

Spark程序運(yùn)行的兩種模式：Client Cluster，建議使用Client模式

driver頻繁和executor通信，所以要在同一個(gè)網(wǎng)段中

不要用IDE作為Driver，Driver也可能有JavaEE

分配資源由以下內(nèi)容決定：
1、spark-env.sh和spark-default.sh
2、spark-submit提交的參數(shù)
3、程序中spark-conf配置的參數(shù)

TaskRunner繼承Runnable接口