Spark -3：三种集群模式

本文档简要介绍了如何在集群上运行spark，使之更容易理解所涉及的组件。通过应用程序提交指南了解关于在集群上启动应用程序的情况.。

组件

Spark应用程序作为集群上独立的进程集运行，由您的主程序中的SparkContext对象协调（称为驱动程序）。

具体来说，要在集群上运行，SparkContext可以连接到几种类型的集群管理器（Spark自己的独立集群管理器，Mesos或YARN），它们可以跨应用程序分配资源。连接后，Spark会在集群中的节点上获取执行程序，这些进程是为应用程序运行计算和存储数据的进程。接下来，它将应用程序代码（由JAR或Python文件传递给SparkContext定义）发送给执行者。最后，SparkContext将任务发送给执行器来运行。

这个架构有几个有用的事情需要注意：

1.每个应用程序都有自己的执行程序进程，它们在整个应用程序的持续时间内运行，并在多个线程中运行任务。这有利于在调度端（每个驱动程序调度其自己的任务）和执行器端（来自在不同JVM中运行的不同应用程序的任务）将应用程序彼此隔离。但是，这也意味着数据不能在不将其写入外部存储系统的情况下跨不同的Spark应用程序（SparkContext实例）共享。

2.Spark对底层集群管理器是不可知的。只要它可以获得执行器进程，并且这些进程彼此通信，即使在同样支持其他应用程序（例如Mesos / YARN）的集群管理器上，它也是相对容易运行的。

3.驱动程序必须在其生命周期内监听并接受来自其执行器的传入连接（例如，请参阅network config节中的spark.driver.port）。因此，驱动程序必须是工作节点的网络可寻址的。

4.因为驱动程序在群集上调度任务，所以它应该靠近工作节点运行，最好在同一个局域网上运行。如果你想远程发送请求到集群，最好打开一个RPC给驱动程序，并从附近提交操作，以运行远离工作节点的驱动程序。

集群管理器类型

系统目前支持三个集群管理器：

独立 - 包含在Spark中的简单集群管理器，可以轻松设置集群。

Apache Mesos  - 一个通用的集群管理器，也可以运行Hadoop MapReduce和服务应用程序。

Hadoop YARN  -  Hadoop 2中的资源管理器。

提交应用程序

应用程序可以使用spark-submit脚本提交到任何类型的集群。应用程序提交指南介绍了如何执行此操作

监控
每个驱动程序都有一个Web UI，通常在端口4040上，显示有关正在运行的任务，执行程序和存储使用情况的信息。只需在Web浏览器中访问http：// ：4040即可访问此UI。监控指南还介绍了其他监控选项

作业计划
Spark给予跨应用程序（在集群管理器级别）和应用程序（如果多个计算在同一SparkContext上进行）上的资源分配的控制。作业调度概述更详细地描述此
专业术语
下表总结了您将用来引用群集概念的术语：

Application：基于Spark的用户程序。由集群上的驱动程序和执行程序组成。


Application jar：包含用户的Spark应用程序的jar。在某些情况下，用户会想创建一个包含其应用程序及其依赖关系的“uber jar”。用户的jar不应包括Hadoop或Spark库，但是，这些将在运行时添加。

Driver program：该进程运行应用程序的main（）函数并创建SparkContext

Cluster manager：用于获取集群上的资源的外部服务（例如，独立管理器，Mesos，YARN）

Deploy mode：区分驱动程序进程运行的位置。在“集群”模式下，框架会启动集群中的驱动程序。在“客户端”模式下，提交器在集群外启动驱动程序。

Worker node：任何可以在集群中运行应用程序代码的节点

Executor：为工作节点上的应用程序启动的进程，该进程运行任务并将数据保存在内存或磁盘存储中。每个应用程序都有自己的执行器。

Task：将发送给一个执行器（executor）的工作单元

Job：由多个任务组成的并行计算，响应Spark操作（例如保存，收集）而生成;您将在驱动程序日志中看到此术语。

Stage：每个作业被分成更小的任务集，称为相互依赖的阶段（类似于MapReduce中的映射和缩减阶段）;您将在驱动程序日志中看到此术语。

原文地址：http://spark.apache.org/docs/latest/cluster-overview.html#monitoring