本文目录如下：
- 第7章 Spark核心组件
- 7.1 运行架构
- 7.2 核心组件
- 7.2.1 Driver
- 7.2.2 Executor
- 7.2.3 Master & Worker
- 7.2.4 ApplicationMaster
- 7.3 核心概念
- 7.3.1 Executor 与 Core
- 7.3.2 有向无环图
- 7.4 提交流程
- 7.4.1 Yarn Client 模式
- 7.4.2 `Yarn Cluster 模式`(重要)
第7章 Spark核心组件
7.1 运行架构
Spark是一种快速的内存数据处理引擎，整体来说，它采用了标准主从结构。 如下图所示.图形中的Driver表示’主’，负责管理整个集群中的作业任务调度。图形中的Executor则是 ‘从’，负责实际执行任务。
7.2 核心组件
由上图可以看出，Spark 框架有两个核心组件：Driver 和 Executor。
7.2.1 Driver
Driver 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：
- 将用户程序转化为
作业（job） - 在
Executor之间调度任务(task) - 跟踪
Executor的执行情况
简单理解，Driver 就是驱使整个应用运行起来的程序，也称之为Driver 类。
7.2.2 Executor
Executor 是集群中工作节点(Worker)中的一个 JVM 进程，负责在 Spark 作业中运行具体任务(Task)，任务彼此之间相互独立。Executor 有两个核心功能：
- 运行组成 Spark 应用的任务，并将结果返回给
Driver - 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。
7.2.3 Master & Worker
Spark 集群的独立部署环境中，不需要依赖其他的资源调度框架，自身就实现了资源调
度的功能，所以环境中还有其他两个核心组件：Master 和 Worker。
-
Master是一个进程，主要负责资源的调度和分配，并进行集群的监控等职责，类似于 Yarn 环境中的ResourceNameNode, -
Worker也是进程，一个 Worker 运行在集群中的一台服务器上，由 Master 分配资源对数据进行并行的处理和计算，类似于 Yarn 环境中NodeManager。
7.2.4 ApplicationMaster
ResourceManager(资源) 和 Driver(计算) 之间的解耦合靠的就是ApplicationMaster。
7.3 核心概念
7.3.1 Executor 与 Core
-
Executor是集群中运行在工作节点(Worker)中的一个 JVM 进程，是整个集群中的专门用于计算的节点。在提交应用中，可以提供参数指定计算节点的个数，以及对应的资源。这里的资源一般指的是工作节点 Executor 的内存大小和使用的虚拟CPU核(Core)数量。 - 应用程序相关启动参数如下：
名称 | 说明 |
–num-executors | 配置 Executor 的数量 |
–executor-memory | 配置每个 Executor 的内存大小 |
–executor-cores | 配置每个 Executor 的虚拟 CPU core 数量 |
7.3.2 有向无环图
- 略…
7.4 提交流程
所谓的提交流程，其实就是我们开发人员根据需求写的应用程序通过 Spark客户端 提交给 Spark 运行环境执行计算的流程。本课程中的提交流程是基于 Yarn 环境的。
Spark 应用程序提交到 Yarn 环境中执行的时候，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。
7.4.1 Yarn Client 模式
Client 模式将用于监控和调度的 Driver模块在客户端执行，而不是在 Yarn 中，所以一般用于测试。
- Driver 在任务提交的本地机器上运行
- Driver 启动后会和
ResourceManager通讯申请启动ApplicationMaster -
ResourceManager分配container，在合适的NodeManager上启动ApplicationMaster，负责向ResourceManager申请Executor 内存 -
ResourceManager接到ApplicationMaster的资源申请后会分配container，然后ApplicationMaster在资源分配指定的NodeManager上启动Executor进程 -
Executor进程启动后会向Driver反向注册，Executor 全部注册完成后 Driver 开始执行main 函数 - 之后执行到
Action 算子时，触发一个Job，并根据宽依赖开始划分stage，每个 stage 生成对应的TaskSet，之后将 task 分发到各个Executor上执行。
7.4.2 Yarn Cluster 模式(重要)
Cluster 模式将用于监控和调度的 Driver 模块启动在 Yarn 集群资源中执行。一般应用于实际生产环境。
- 在 YARN Cluster 模式下，任务提交后会和
ResourceManager通讯申请启动ApplicationMaster， - 随后
ResourceManager分配container，在合适的NodeManager上启动ApplicationMaster，此时的ApplicationMaster就是Driver。 -
Driver启动后向ResourceManager申请 Executor 内存，ResourceManager接到ApplicationMaster的资源申请后会分配container，然后在合适的NodeManager上启动Executor进程 -
Executor进程启动后会向Driver反向注册，Executor全部注册完成后Driver开始执行main 函数， - 之后执行到
Action 算子时，触发一个Job，并根据宽依赖开始划分stage，每个stage生成对应的TaskSet，之后将 task 分发到各个Executor上执行。
