Spark框架

一、Spark框架

Spark 框架模块包含：Spark Core、 Spark SQL、 Spark Streaming、 Spark GraphX、 Spark MLlib，而后四项的能力都是建立在核心引擎之上。

【Spark Core】：Spark的核心，Spark核心功能均由Spark Core模块提供，是Spark运行的基础。Spark Core以RDD为数据抽象，提供Python、Java、
Scala、R语言的API，可以编程进行海量离线数据批处理计算。

【SparkSQL】：基于SparkCore之上，提供结构化数据的处理模块。SparkSQL支持以SQL语言对数据进行处理，SparkSQL本身针对离线计算场景。同
时基于SparkSQL，Spark提供了StructuredStreaming模块，可以以SparkSQL为基础，进行数据的流式计算。

【SparkStreaming】：以SparkCore为基础，提供数据的流式计算功能。
MLlib：以SparkCore为基础，进行机器学习计算，内置了大量的机器学习库和API算法等。方便用户以分布式计算的模式进行机器学习计算。

【GraphX】：以SparkCore为基础，进行图计算，提供了大量的图计算API，方便用于以分布式计算模式进行图计算

二、spark运行模式

Spark提供多种运行模式，包括：

1、本地模式（单机）
本地模式就是以一个独立的进程，通过其内部的多个线程来模拟整个Spark运行时环境

2、 Standalone模式（集群）
Spark中的各个角色以独立进程的形式存在，并组成Spark集群环境

3、Hadoop YARN模式（集群）
Spark中的各个角色运行在YARN的容器内部，并组成Spark集群环境

-4、Kubernetes模式（容器集群）
Spark中的各个角色运行在Kubernetes的容器内部，并组成Spark集群环境

• 云服务模式（运行在云平台上）
  

二、 Spark的架构角色

1、【YARN角色回顾】
YARN主要有4类角色，从2个层面去看：
资源管理层面
（1）集群资源管理者（Master）：ResourceManager
（2）单机资源管理者（Worker）：NodeManager
任务计算层面
（1） 单任务管理者（Master）：ApplicationMaster
（2）单任务执行者（Worker）：Task（容器内计算框
架的工作角色）

2、【Spark运行角色】
Spark中由4类角色组成整个Spark的运行环境
资源管理层面：
（1）管理者：Spark是Master角色，Yarn是ResourceManager
（2）工作中：Spark是Worker角色，Yarn是NodeManager
从任务执行层面
（1）某任务管理者：Spark是Driver角色，Yarn是ApplicationMaster
（2）某任务执行者：Spark是Executor角色，Yarn是容器中运行的具体工作进程。

正常情况下Executor是干活的角色，不过在特殊场景下（Local模式）Driver可以即管理又干活

【总结】