Spark--Spark架构与角色介绍及Driver和Worker功能

spark架构图.png

Spark架构使用了分布式计算中master-slave模型，master是集群中含有master进程的节点，slave是集群中含有worker进程的节点。

Driver Program ：运⾏main函数并且新建SparkContext的程序。
Application：基于Spark的应用程序，包含了driver程序和集群上的executor。
Cluster Manager：指的是在集群上获取资源的外部服务。目前有三种类型
- （1）Standalone: spark原生的资源管理，由Master负责资源的分配
- （2）Apache Mesos:与hadoop MR兼容性良好的一种资源调度框架
- （3）Hadoop Yarn: 主要是指Yarn中的ResourceManager
Worker Node：集群中任何可以运行Application代码的节点，在Standalone模式中指的是通过slaves文件配置的Worker节点，在Spark on Yarn模式下就是NodeManager节点
Executor：是在一个worker node上为某应⽤启动的⼀个进程，该进程负责运⾏行任务，并且负责将数据存在内存或者磁盘上。每个应⽤都有各自独立的executor。
Task ：被送到某个executor上的工作单元。

spark-driver.jpg

Driver运行应用程序的时候，具有main方法，且创建了SparkContext，是整个程序运行的调度的核心。内部会有高层调度器(DAGScheduler)和底层调度器(TaskScheduler)，高层调度器把整个作业(Job)划分成几个小的阶段(Stage)，底层调度器负责每个阶段内的任务(Task)该怎么去执行。由SchedulerBackend管理整个集群中为当前运行的应用程序分配的计算资源，分配的计算资源其实就是Executors，同时向Master注册当前的应用程序，如果注册成功，Master会向其分配资源。下一步根据action级别的操作出发job，job中会有一系列的RDD，从后往前推，如果是宽依赖的话就划分为不同的Stage，划分完成后提交给底层调度器TaskScheduler，TaskScheduler拿到具体的任务的集合，然后根据数据的本地性原则，把任务发放到对应的Executor上去执行，当Executor运行成功或者出现状况的话都会向Driver进行汇报，最后运行完成之后关闭SparkContext，所创建的对象也会随之关闭。

主要功能：管理当前节点内存，CPU的使用状况，接收master分配过来的资源指令，通过ExecutorRunner启动程序分配任务，worker就类似于包工头，管理分配新进程，做计算的服务，相当于process服务。
需要注意的是：
- 1）worker不会汇报当前信息给master，worker心跳给master主要只有workid，它不会发送资源信息以心跳的方式给mater，master分配的时候就知道worker，只有出现故障的时候才会发送资源。
- 2）worker不会运行代码，具体运行的是Executor是可以运行具体appliaction写的业务逻辑代码，操作代码的节点，它不会运行程序的代码的。

Executor是运行在Worker所在的节点上为当前应用程序而开启的进程里面的一个对象，这个对象负责了具体task的运行，具体是通过线程池并发执行和复用的方式实现的。
- 这里要补充一点：Hadoop的MR是运行在一个又一个JVM上，而JVM比较重量级且不能被复用，而Spark中是通过线程池并发执行和复用的方式执行tasks，极大的方便了迭代式计算，所以Spark的性能大大提高。每个task的计算逻辑一样，只是处理的数据不同而已。
- Spark应用程序的运行并不依赖于Cluster Manager，如果应用程序注册成功，Master就已经提前分配好了计算资源，运行的过程中跟本就不需要Cluster Manager的参与(可插拔的)，这种资源分配的方式是粗粒度的。
- 关于数据本地性，是在DAGScheduler划分Stage的时候确定的，TaskScheduler会把每个Stage内部的一系列Task发送给Executor，而具体发给哪个Executor就是根据数据本地性原则确定的，有关数据本地性的详细内容也会在后面的文章中进行说明。

Attention Please--文章来自互联网资料整理，如有雷同，纯属李小李抄袭，如有侵权请联系删除 From 李小李