Spark（三）：Spark运行架构

• Spark 框架的核心是一个计算引擎&＃xff0c;整体来说&＃xff0c;它采用了标准master-slave的结构。

核心组件

1. Driver&＃xff1a;Spark 驱动器节点&＃xff0c;用于执行 Spark 任务中的 main 方法&＃xff0c;负责实际代码的执行工作。
   • 将用户程序转化为作业&＃xff08;job&＃xff09;
   • 在 Executor 之间调度任务(task)
   • 跟踪 Executor 的执行情况
   • 通过 UI 展示查询运行情况
2. Executor&＃xff1a;Spark Executor 是集群中工作节点&＃xff08;Worker&＃xff09;中的一个 JVM 进程&＃xff0c;负责在 Spark 作业中运行具体任务&＃xff08;Task&＃xff09;&＃xff0c;任务彼此之间相互独立。Spark 应用启动时&＃xff0c;Executor 节点被同时启动&＃xff0c;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&＃xff0c;Spark 应用也可以继续执行&＃xff0c;会将出错节点上的任务调度到其他 Executor 节点上继续运行。
   • 负责运行组成 Spark 应用的任务&＃xff0c;并将结果返回给驱动器进程
   • 它们通过自身的块管理器&＃xff08;Block Manager&＃xff09;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&＃xff0c;因此任务可以在运行时充分利用缓存数据加速运算。
3. Master & Worker&＃xff1a;Spark 集群的独立部署环境中&＃xff0c;不需要依赖其他的资源调度框架&＃xff0c;自身就实现了资源调度的功能&＃xff0c;所以环境中还有其他两个核心组件&＃xff1a;Master 和 Worker&＃xff0c;这里的 Master 是一个进程&＃xff0c;主要负责资源的调度和分配&＃xff0c;并进行集群的监控等职责&＃xff0c;类似于 Yarn 环境中的 RM, 而
   Worker 呢&＃xff0c;也是进程&＃xff0c;一个 Worker 运行在集群中的一台服务器上&＃xff0c;由 Master 分配资源对数据进行并行的处理和计算&＃xff0c;类似于 Yarn 环境中 NM。
4. ApplicationMaster&＃xff1a;Hadoop 用户向 YARN 集群提交应用程序时,提交程序中应该包含ApplicationMaster&＃xff0c;用于向资源调度器申请执行任务的资源容器 Container&＃xff0c;运行用户自己的程序任务 job&＃xff0c;监控整个任务的执行&＃xff0c;跟踪整个任务的状态&＃xff0c;处理任务失败等异常情况。说的简单点就是&＃xff0c;ResourceManager&＃xff08;资源&＃xff09;和 Driver&＃xff08;计算&＃xff09;之间的解耦合靠的就是ApplicationMaster。

核心概念

1. Executor 与 Core&＃xff1a;
   • SparkExecutor 是 集群种运行在工作节点中的一个JVM进程&＃xff0c;是整个集群中专门用于计算的节点。在提交应用中&＃xff0c;可以提供参数指定计算节点的个数&＃xff0c;以及对应的资源。这里的资源一般指的是工作节点Executor 的 内存大小和使用的虚拟CPU核数量。
2. 并行度&＃xff1a;
   • 在分布式计算框架中一般都是多个任务同时执行&＃xff0c;由于任务分布在不同的计算节点进行计算&＃xff0c;所以能够真正地实现多任务并行执行&＃xff0c;这里我们将整个集群并行执行任务地数量称之为并行度。那么一个作业到底并行度是多少呢&＃xff1f;这个取决于框架的默认配置。应用程序也可以在运行过程中动态修改。
3. 有向无环图&＃xff1a;
   • 这里额有向无环图指的是&＃xff0c;程序的运行可以依赖&＃xff0c;也就是可以有下一步&＃xff0c;但是不能称为一个环形&＃xff0c;这样就会形成一个死循环。
4. 提交流程&＃xff1a;
   • 所谓提交流程&＃xff0c;其实就是开发人员根据需求写的应用程序通过Spark客户端提交给Spark运行环境执行计算的流程。在不同的部署环境中&＃xff0c;这个提交过程基本相同&＃xff0c;但是又有细微的区别&＃xff0c;我们这里不进行详细的比较&＃xff0c;但是因为国内工作中&＃xff0c;将spark引用部署到Yarn环境中会更多一些&＃xff0c;所以本课程中的提交流程是基于Yarn环境的。
     
   • Spark 应用程序提交到 Yarn 环境中执行的时候&＃xff0c;一般会有两种部署执行的方式&＃xff1a;Client 和 Cluster。两种模式主要区别在于&＃xff1a;Driver 程序的运行节点位置。
     • Yarn Client模式&＃xff1a;Client 模式将用于监控和调度的 Driver 模块在客户端执行&＃xff0c;而不是在 Yarn 中&＃xff0c;所以一般用于测试。
       • Driver 在任务提交的本地机器上运行
       • Driver 启动后会和 ResourceManager 通讯申请启动 ApplicationMaster
       • ResourceManager 分配 container&＃xff0c;在合适的 NodeManager 上启动 ApplicationMaster&＃xff0c;负责向 ResourceManager 申请 Executor 内存
       • ResourceManager 接到 ApplicationMaster 的资源申请后会分配 container&＃xff0c;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&＃xff0c;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&＃xff0c;触发一个 Job&＃xff0c;并根据宽依赖开始划分 stage&＃xff0c;每个 stage 生成对应的 TaskSet&＃xff0c;之后将 task 分发到各个 Executor 上执行。
     • Yarn Cluster 模式&＃xff1a;Cluster 模式将用于监控和调度的 Driver 模块启动在 Yarn 集群资源中执行。一般应用于实际生产环境。
       • 在 YARN Cluster 模式下&＃xff0c;任务提交后会和 ResourceManager 通讯申请启动ApplicationMaster&＃xff0c;
       • 随后 ResourceManager 分配 container&＃xff0c;在合适的 NodeManager 上启动 ApplicationMaster&＃xff0c;此时的 ApplicationMaster 就是 Driver。
       • Driver 启动后向 ResourceManager 申请 Executor 内存&＃xff0c;ResourceManager 接到ApplicationMaster 的资源申请后会分配 container&＃xff0c;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&＃xff0c;Executor 全部注册完成后 Driver 开始执行main 函数&＃xff0c;
       • 之后执行到 Action 算子时&＃xff0c;触发一个 Job&＃xff0c;并根据宽依赖开始划分 stage&＃xff0c;每个 stage 生成对应的 TaskSet&＃xff0c;之后将 task 分发到各个 Executor 上执行。