课程主要内容Spark介绍

我们学习Spark首先要知道Spark是什么

image.png

这段内容呢，是老师从官网上摘抄下来的，Spark是一个快速的统一的大数据处理引擎

Spark是开源的集群计算系统，针对快速的数据分析

那最后这一段它说的是，他不光运行的快，编写程序也很快对吗

image.png

下面我们来看一下这个BDAS技术栈

最下面的Mesos我们可以看成是YARN，

我们可以一起来复习一下YARN，YARN是个什么东西啊？
他是一个资源管理调度的一个框架，我们Hadoop的MapReduce可以跑在上面，那我们新学习的Spark也是可以跑在上面

YARN的主节点叫什么？ ResourceManager
YARN的从节点叫什么？ NodeManager

在Hadoop1.x的时候，有个东西叫做JobTracker

JobTracker剖析：

(1)概述：JobTracker是一个后台服务进程，启动之后，会一直监听并接收来自各个TaskTracker发送的心跳信息，包括资源使用情况和任务运行情况等信息。

(2)JobTracker的主要功能：
1.作业控制：在hadoop中每个应用程序被表示成一个作业，每个作业又被分成多个任务，JobTracker的作业控制模块则负责作业的分解和状态监控。
*最重要的是状态监控：主要包括TaskTracker状态监控、作业状态监控和任务状态监控。主要作用：容错和为任务调度提供决策依据。
2.资源管理。

TaskTracker剖析：

(1)TaskTracker概述：TaskTracker是JobTracker和Task之间的桥梁：一方面，从JobTracker接收并执行各种命令：运行任务、提交任务、杀死任务等；另一方面，将本地节点上各个任务的状态通过心跳周期性汇报给JobTracker。TaskTracker与JobTracker和Task之间采用了RPC协议进行通信。
(2)TaskTracker的功能：
1.汇报心跳：Tracker周期性将所有节点上各种信息通过心跳机制汇报给JobTracker。这些信息包括两部分：
*机器级别信息：节点健康情况、资源使用情况等。
*任务级别信息：任务执行进度、任务运行状态等。
2.执行命令：JobTracker会给TaskTracker下达各种命令，主要包括：启动任务(LaunchTaskAction)、提交任务(CommitTaskAction)、杀死任务(KillTaskAction)、杀死作业(KillJobAction)和重新初始化(TaskTrackerReinitAction)。

资源调度也好，任务调度也好，他需要跟集群上的其他节点进行大量的通信
比如说：任务的分发，资源的申请，任务执行情况的汇报、结果的回收

所以Hadoop2.x版本把他分开了，Yarn里面的资源调度由resourceManager来管理，任务调度由ApplicationMaster来管理

所以说我们任何的框架，想要基于YARN来执行，必须实现ApplicationMaster这个接口

在我们的Mesos或者YARN之上又有一个叫做HDFS的东西这个东西是一个分布式文件系统

HDFS到目前为止没有其他的技术替代方案，所以非常的核心和关键

HDFS默认会有3个备份，我们可以设置
如果某一个备份丢了的话，他可以自动复制一个备份
Block备份的策略是什么？
本机、同机架、异机架

MR，在海量数据上进行查询分析

Hive，通过传入Sql语句在海量数据上进行分析查询
计算封装MR，存储