Spark

发布时间:2019-03-28 01:01:12发布者:Mr.Zhang阅读(47)

1 spark是做什么的

  数据处理:用来快速处理数据。

  迭代计算:有效应对多步的数据处理逻辑。

2 常用进程

  JDBCServer:常驻Spark的应用,通过连接JDBCServer,执行sql语句。

  JobHistory:单节点进程,用于展示历史应用的执行情况。

3 核心概念

3.1 application:spark用户程序,用户提交一次应用为一个app,一个app产生一个sparkcontext。

3.2 job:一个app可被划分为多个job,划分标记为action动作,有collect\count等。

3.3 stage:每个job被划分多层stage,划分标记为shffle过程,stage按照父子关系依次执行。

3.4 task:具体的执行任务单位,被分发到executor上执行具体任务。

3.5 ClusterManager集群资源管理服务,包含主节点和多个运行节点,支持运行模式有Standalone\mesos\Yarn。

3.6 Driver:运行app的大脑,负责job的初始化,将job转换成task并提交执行。

3.7 DAGScheduler:是一个面向Stage层面的调度器,按照Stage提交task集合给TaskScheduler。

3.8 TaskScheduler:提交task给Executor运行,并管理执行结果。

3.9 BlockManager:管理app运行周期的中间数据。

3.10 Executor:是app运行在worker node上的一个进程,负责运行task,生命周期同app。

4 运行过程

1)构建SparkApplication运行环境(启动SparkContext)

2)SparkContext向资源管理器(ClusterManager)申请运行Executor资源,并启动StandaloneExecutorBackend。

3)Executor向SparkContext注册。

4)SparkContext启动应用程序DAG调度,Stage划分,TaskSet生成。

5)TaskScheduler调度TaskSet,将task分发给Executor运行。

6)task在Executor上运行,运行完毕释放所有资源。




本文转自博客园