Spark集群和任务执行

Spark集群组件

Spark是典型的Master/Slave架构，集群主要包括以下4个组件：

Driver：Spark框架中的驱动器，运行用户编写Application 的main()函数。类比于MapReduce的MRAppmaster

Master：主节点，控制整个集群，监控worker。在Yarn模式中为全局资源管理器

Worker：从节点，负责控制计算节点，启动Executor。类比Yarn中的节点资源管理器

Executor：运算任务执行器，运行在worker节点上的一个进程。类似于MapReduce中的MapTask和ReduceTask

Spark基本执行流程

以StandAlone运行模式为例：

1.客户端启动应用程序及Driver相关工作，向Master提交任务申请资源

2.Master给Worker分配资源，通知worker启动executor

3.Worker启动Executor，Worker创建ExecutorRunner线程，ExecutorRunner会启动ExecutorBackend进程，Executor和Driver进行通信（任务分发监听等）

4.ExecutorBackend启动后向Driver的SchedulerBackend注册，SchedulerBackend将任务提交到Executor上运行

5.所有Stage都完成后作业结束

笔者强调：

1. Driver端进行的操作
   1. SparkContext构建DAG图
   2. DAGScheduler将任务划分为stage、为需要处理的分区生成TaskSet
   3. TaskScheduler进行task下发
   4. SchedulerBackend将任务提交到Executor上运行
2. 资源划分的一般规则
   1. 获取所有worker上的资源
   2. 按照资源大小进行排序
   3. 按照排序后的顺序拿取资源
      1. 轮询
      2. 优先拿资源多的
3. Spark不同运行模式任务调度器是不同的，如Yarn模式：yarn-cluster模式为YarnClusterScheduler，yarn-client模式为YarnClientClusterScheduler