spark运行架构和基础

目录

​

基本 概念

架构设计

 spark运行的基本流程

---

基本 概念

1. RDD:(官方概念）弹性分布式数据集，就是一个个的在内存里的数据。就是数据的基本单位，所有spark都是来操作他的
2. DAG 是有向无环图，它的作用主要是反应rdd之间的关系。
3. Excutor 就是一个容器，就像Hadoop的node一样，用来运行的
4. 应用 顾名思义来编写spark程序的
5. 任务 运行的excutor单元

架构设计

如图

整个图一目了然，spark的架构，关于hdfs和hebase是一种可以读取的源数据类型，除此之外还有很多类型也会被这个读取比如Kafka，或者套接字流，当然这些数据源大概率都会在sparkstreaming里体现。

 不止一次说过继续强调一遍，与Hadoop相比，spark读写基本上都是发生在内存里，所以更快。

 spark运行的基本流程

1.当一个spark被提交时，driver会先创造一个sparkcontext的对象，由它向资源管理器进行资源的申请，然后他就辉获得Excutor的资源，总而言之一个sparkcontext就像中场球员串联全场。

2.资源管理器--->excutor分配资源，excutor——>资源管理器运行的信息。

3.sparkcontext 根据rdd的依赖关系构建dag图，由dag图让所有资源得以利用。

 这个图摘自林子雨主编的spark

总而言之，spark框架有以下集中特点

1.每个应用都有自己专属的excutor，而且每个任务都是多线程而不是多进程从而节省很多资源，

2.还有一点我一直强调的就是spark的运行速度快是因为把东西都放在内存里了，此时就有一个BlockManager的模块类似于hdfs的模块从而实现的数据的读取.

3.计算向数据靠拢（具体在后面的文章讲