1. spark的核心组件
1.1 Driver
Spark 驱动器节点,用于执行 Spark 任务中的 main 方法,负责实际代码的执行工作。
Driver 在 Spark 作业执行时主要负责:
1)将用户查询转化为任务;
2)在 Executor 之间调度任务;
3)跟踪 Executor 的执行情况;
4)通过 UI 展示查询运行情况;
1.2 Executor
Spark Executor 节点是一个 JVM 进程,负责在 Spark 作业中运行具体任务,任务彼此之间相互独立。Spark 应用启动时,Executor 节点被同时启动,并且始终伴随着整个 Spark 应用的生命周期而存在。如果有 Executor 节点发生了故障或崩溃,Spark 应用也可以继续执行,会将出错节点上的任务调度到其他Executor 节点上继续运行。
Executor 有两个核心功能:
1)负责运行组成 Spark 应用的任务,并将结果返回给驱动器进程;
2)它们通过自身的块管理器(Block Manager)为用户程序中要求缓存的 RDD
提供内存式存储。RDD 是直接缓存在 Executor 进程内的,因此任务可以在运行时充分利用缓存数据加速运算。
2. spark通用的运行模式
- Spark通用运行流程,不论 Spark 以何种模式进行部署,任务提交后,
- 都会先启动 Driver 进程,
- 随后 Driver 进程向集群管理器注册应用程序,
- 之后集群管理器根据此任务的配置文件分配 Executor 并启动,
- 当 Driver 所需的资源全部满足后,Driver 开始执行 main 函数,
- Spark 查询为懒执行,当执行到 action 算子时开始反向推算,根据宽依赖进行 stage 的划分,
- 随后每一个 stage 对应一个 taskset,taskset 中有多个 task,根据本地化原则,task 会被分发到指定的 Executor 去执行,
- 在任务执行的过程中,Executor 也会不断与 Driver 进行通信,报告任务运行情况。
3. 四种运行模式
spark支持四种运行模式
- local模式——本地测试用
- Standalone——spark自带的集群模式,需要构建一个由Master+Slave构成的Spark集群,Spark运行在集群中
- Mesos——国内用的少
- yarn集群模式——Spark客户端直接连接Yarn,不需要额外构建Spark集群。国内生产上用的多。
根据Driver运行在哪分为:
Client模式和Cluster模式
用户在提交任务给 Spark 处理时,以下两个参数共同决定了 Spark 的运行方式。
· –master MASTER_URL :决定了 Spark 任务提交给哪种集群处理。
· –deploy-mode DEPLOY_MODE:决定了 Driver 的运行方式,可选值为 Client或者 Cluster。
3.1 Spark运行模式配置
Master URL | Meaning |
---|---|
local | 在本地运行,只有一个工作进程,无并行计算能力。 |
local[K] | 在本地运行,有 K 个工作进程,通常设置 K 为机器的CPU 核心数量。 |
local[*] | 在本地运行,工作进程数量等于机器的 CPU 核心数量。 |
spark://HOST:PORT | 以 Standalone 模式运行,这是 Spark 自身提供的集群运行模式,默认端口号: 7077。 |
mesos-client | ./spark-shell --master mesos://host:port --deploy-mode client |
mesos-cluster | ./spark-shell --master mesos://host:port --deploy-mode cluster |
yarn-client | 在 Yarn 集群上运行,Driver 进程在本地,Work 进程在 Yarn 集群上。./spark-shell --master yarn --deploy-mode client。Yarn 集群地址必须在HADOOP_CONF_DIRorYARN_CONF_DIR 变量里定义 |
yarn-cluster | 在 Yarn 集群上运行,Driver 和Work 进程都在 Yarn 集群上。./spark-shell --master yarn --deploy-mode cluster。Yarn 集群地址必须在HADOOP_CONF_DIRorYARN_CONF_DIR 变量里定义 |
3.2 Standalone模式运行机制
Standalone 集群有四个重要组成部分,分别是:
- Driver:是一个进程,我们编写的 Spark 应用程序就运行在 Driver 上,由Driver 进程执行;
- Master:是一个进程,主要负责资源的调度和分配,并进行集群的监控等职责;
- Worker:是一个进程,一个 Worker 运行在集群中的一台服务器上,主要负责两个职责,一个是用自己的内存存储 RDD 的某个或某些 partition;另一个是启动其他进程和线程(Executor),对 RDD 上的 partition 进行并行的处理和计算。
- Executor:是一个进程,一个 Worker 上可以运行多个 Executor,Executor通过启动多个线程(task)来执行对 RDD 的 partition 进行并行计算,也就是执行我们对 RDD 定义的例如 map、flatMap、reduce 等算子操作。
3.2.1 Standalone的client模式
在 Standalone Client 模式下,Driver 在任务提交的本地机器上运行,Driver 启动后向 Master 注册应用程序,Master 根据 submit 脚本的资源需求找到内部资源至少可以启动一个 Executor 的所有 Worker,然后在这些 Worker 之间分配 Executor,Worker上的 Executor 启动后会向 Driver 反向注册,所有的 Executor 注册完成后,Driver 开始执行 main 函数,之后执行到 Action 算子时,开始划分 stage,每个 stage 生成对应的 taskSet,之后将 task 分发到各个 Executor 上执行。
3.2.2 Standalone的cluster模式。
在 Standalone Cluster 模式下,任务提交后,Master 会找到一个 Worker 启动 Driver进程, Driver 启动后向 Master 注册应用程序,Master 根据 submit 脚本的资源需求找到内部资源至少可以启动一个 Executor 的所有 Worker,然后在这些 Worker 之间分配 Executor,Worker 上的 Executor 启动后会向 Driver 反向注册,所有的 Executor注册完成后,Driver 开始执行 main 函数,之后执行到 Action 算子时,开始划分 stage,每个 stage 生成对应的 taskSet,之后将 task 分发到各个 Executor 上执行。注意,Standalone 的两种模式下(client/Cluster),Master 在接到 Driver 注册
Spark 应用程序的请求后,会获取其所管理的剩余资源能够启动一个 Executor 的所有 Worker,然后在这些 Worker 之间分发 Executor,此时的分发只考虑 Worker 上的资源是否足够使用,直到当前应用程序所需的所有 Executor 都分配完毕,Executor反向注册完毕后,Driver 开始执行 main 程序。
3.3 Yarn运行模式
3.3.1 Yarn 的clinet运行模式
在 YARN Client 模式下,Driver 在任务提交的本地机器上运行,Driver 启动后会ResourceManager 通讯申请启动 ApplicationMaster,随后 ResourceManager分 配 container , 在 合 适 的NodeManager 上 启 动 ApplicationMaster , 此 时 的ApplicationMaster 的功能相当于一个 ExecutorLaucher,只负责向 ResourceManager申请 Executor 内存。ResourceManager 接到 ApplicationMaster 的资源申请后会分配 container,然后ApplicationMaster 在资源分配指定的 NodeManager 上启动 Executor 进程,Executor进程启动后会向 Driver 反向注册,Executor 全部注册完成后 Driver 开始执行 main函数,之后执行到 Action 算子时,触发一个 job,并根据宽依赖开始划分 stage,每个 stage 生成对应的 taskSet,之后将 task 分发到各个 Executor 上执行。
3.3.2 Yarn cluster运行模式
在 YARN Cluster 模式下,任务提交后会和 ResourceManager 通讯申请启动ApplicationMaster,
随后 ResourceManager 分配 container,
在合适的 NodeManager上启动 ApplicationMaster,
此时的 ApplicationMaster 就是 Driver。
Driver 启动后向 ResourceManager 申请 Executor 内存,
ResourceManager 接到ApplicationMaster 的资源申请后会分配 container,
然后在合适的 NodeManager 上启动 Executor 进程,
Executor 进程启动后会向 Driver 反向注册,
Executor 全部注册完成后 Driver 开始执行 main 函数,
之后执行到 Action 算子时,触发一个 job,并根据宽依赖开始划分 stage,
每个 stage 生成对应的 taskSet,之后将 task 分发到各个Executor 上执行。
网友评论