Spark Master、Worker、Driver、Executor工作流程详解

http://blog.csdn.net/zhumr/article/details/52518506

1、Spark的部署图: 
Spark Master、Worker、Driver、Executor工作流程详解_第1张图片 
在基于standalone的Spark集群,Cluster Manger就是Master。 
Master负责分配资源,在集群启动时,Driver向Master申请资源,Worker负责监控自己节点的内存和CPU等状况,并向Master汇报。

从资源方面,可以分为两个层面: 
1)资源的管理和分配 
资源的管理和分配,由Master和Worker来完成。Master给Worker分配资源, 
Master时刻知道Worker的资源状况。 
客户端向服务器提交作业,实际是提交给Master。

2)资源的使用 
资源的使用,由Driver和Executor。程序运行时候,向Master请求资源。


2、Spark运行示意图:

2.1图 
Spark Master、Worker、Driver、Executor工作流程详解_第2张图片
一个Worker默认情况下分配一个Executor,配置时根据需要也可以配置多个Executor。一个节点,如果配置了多个Executor,那么就会涉及到性能调优。 
Driver、Master、Worker、Executor,其实它就是JVM进程。 
图上Worker区域用◇形状表示的是:Worker上有Executor的句柄,也就是说Worker能开对Executor进行控制,必要时可以Kill掉该进程。 
从图中可以看到Driver和Executor之间画了一根线条,表明:程序运行时是直接与Executor进行交互的。

我们对图2.1进行修改,增加Spark事件流,得到下图2.2:

2.2图 
Spark Master、Worker、Driver、Executor工作流程详解_第3张图片

在Driver中,RDD首先交给DAGSchedule进行Stage的划分。 
然后底层的调度器TaskScheduler就与Executor进行交互。 
Driver和上图中4个Worker节点的Executor发指令,让它们在各自的线程池中运行Job。 
运行时Driver能获得Executor的具体运行资源,这样Driver与Executor之间进行通信,通过网络的方式,Driver把划分好的Task传送给Executor,Task就是我们的Spark程序的业务逻辑代码。 
Executor接收任务,进行反序列化,得到数据的输入和输出,在分布式集群的相同数据分片上,数据的业务逻辑一样,只是数据不一样罢了,然后由Executor的线程池负责执行。

编程的Spark程序,打包提交到Driver端,这样就构成了一个Driver, 
Driver内部的调度流程,根据算子逻辑的依赖关系,DAGScheduler来划分成不同的Stage,每个Stage中的计算逻辑是一样的,只是数据分片不一样。TaskScheduler向Executor发送任务,Executor反序列化数据之后,也就得到数据的输入和输出,也就是任务的业务逻辑,Executor运行的就是我们的业务逻辑代码。

我们整个Spark应用程序,可以分成:Driver和Executor两部分。 
Driver由框架直接生成; 
Executor执行的才是我们的业务逻辑代码。 
执行的时候,框架控制我们代码的执行。Executor需要执行的结果汇报给框架也就是Driver。


3、数据的管理 
在Spark应用具体执行过程中,会涉及到数据的读取和存储。 
在Executor中关于数据的管理正是Spark的精髓之一。 
默认情况下,数据要写到磁盘上。

DAGScheduler划分了多个Stage,下一个Stage 会向Driver请求上一个Stage的运行结果。这就是Shuffle的过程,依赖于上一个Stage全部的结果。前面Stage的输出是后面Stage的输入。

3.1图 
Spark Master、Worker、Driver、Executor工作流程详解_第4张图片

3.2图 
Spark Master、Worker、Driver、Executor工作流程详解_第5张图片

每个数据分片都要去全部节点上找属于它的数据分片的一部分。 
比如:上一个Stage有1万个数据分片,现在这个Stage有100个数据分片,那么拉取数据的过程中,整个任务就需要寻找100万次数据。

3.3图 
Spark Master、Worker、Driver、Executor工作流程详解_第6张图片


4、总结: 
本课从Driver和Worker的角度,也就是资源管理和分配的角度,来讲解Master、Worker、Driver、Executor工作流程。 
程序运行的时候,Driver向Master申请资源; 
Master让Worker给程序分配具体的Executor。 
下面就是Driver具体的调用过程: 
通过DAGScheduler划分阶段,形成一系列的TaskSet,然后传给TaskScheduler,把具体的Task交给Worker节点上的Executor的线程池处理。线程池中的线程工作,通过BlockManager来读写数据。 
这就是4大组件:Worker、Master、Executor、Driver之间的协同工作。

你可能感兴趣的:(云计算)