Spark集群的運(yùn)行基本流程是怎樣的？

Spark集群的運(yùn)行架構(gòu)

Spark是基于內(nèi)存計(jì)算的大數(shù)據(jù)并行計(jì)算框架，比MapReduce計(jì)算框架具有更高的實(shí)時(shí)性，同時(shí)具有高效容錯(cuò)性和可伸縮性，在學(xué)習(xí)Spark操作之前，首先介紹Spark運(yùn)行架構(gòu)，如圖2-11所示。

在上圖中，Spark應(yīng)用在集群上運(yùn)行時(shí)，包括了多個(gè)獨(dú)立的進(jìn)程，這些進(jìn)程之間通過(guò)驅(qū)動(dòng)程序(Driver Program)中的SparkContext對(duì)象進(jìn)行協(xié)調(diào)，SparkContext對(duì)象能夠與多種集群資源管理器(Cluster Manager)通信，一旦與集群資源管理器連接，Spark會(huì)為該應(yīng)用在各個(gè)集群節(jié)點(diǎn)上申請(qǐng)執(zhí)行器(Executor)， 用 于 執(zhí) 行 計(jì) 算 任 務(wù) 和 存 儲(chǔ) 數(shù) 據(jù)。Spark將應(yīng)用程序代碼發(fā)送給所申請(qǐng)到的執(zhí)行器，SparkContext對(duì)象將分割出的任務(wù)(Task)發(fā)送給各個(gè)執(zhí)行器去運(yùn)行。

需要注意的是，每個(gè)Spark應(yīng)用程序都有其對(duì)應(yīng)的多個(gè)執(zhí)行器進(jìn)程。執(zhí)行器進(jìn)程在整北京市昌平區(qū)建材城西路金燕龍辦公樓一層電話(huà)：400-618-400015個(gè)應(yīng)用程序生命周期內(nèi)，都保持運(yùn)行狀態(tài)，并以多線(xiàn)程方式執(zhí)行任務(wù)。這樣做的好處是，執(zhí)行器進(jìn)程可以隔離每個(gè)Spark應(yīng)用。從調(diào)度角度來(lái)看，每個(gè)驅(qū)動(dòng)器可以獨(dú)立調(diào)度本應(yīng)用程序的內(nèi)部任務(wù)。從執(zhí)行器角度來(lái)看，不同Spark應(yīng)用對(duì)應(yīng)的任務(wù)將會(huì)在不同的JVM中運(yùn)行。然而這樣的架構(gòu)也有缺點(diǎn)，多個(gè)Spark應(yīng)用程序之間無(wú)法共享數(shù)據(jù)，除非把數(shù)據(jù)寫(xiě)到外部存儲(chǔ)結(jié)構(gòu)中。

Spark對(duì)底層的集群管理器一無(wú)所知，只要Spark能夠申請(qǐng)到執(zhí)行器進(jìn)程，能與之通信即可。這種實(shí)現(xiàn)方式可以使Spark比較容易的在多種集群管理器上運(yùn)行，例如Mesos、Yarn。

驅(qū)動(dòng)器程序在整個(gè)生命周期內(nèi)必須監(jiān)聽(tīng)并接受其對(duì)應(yīng)的各個(gè)執(zhí)行器的連接請(qǐng)求，因此驅(qū)動(dòng)器程序必須能夠被所有Worker節(jié)點(diǎn)訪(fǎng)問(wèn)到。

因?yàn)榧荷系娜蝿?wù)是由驅(qū)動(dòng)器來(lái)調(diào)度的，所以驅(qū)動(dòng)器應(yīng)該和Worker節(jié)點(diǎn)距離近一些，最好在同一個(gè)本地局域網(wǎng)中，如果需要遠(yuǎn)程對(duì)集群發(fā)起請(qǐng)求，最好還是在驅(qū)動(dòng)器節(jié)點(diǎn)上啟動(dòng)RPC服務(wù)響應(yīng)這些遠(yuǎn)程請(qǐng)求，同時(shí)把驅(qū)動(dòng)器本身放在離集群Worker節(jié)點(diǎn)比較近的機(jī)器上。

Spark運(yùn)行基本流程

通過(guò)上一小節(jié)了解到，Spark運(yùn)行架構(gòu)主要由SparkContext、Cluster Manager和Worker組成，其中Cluster Manager負(fù)責(zé)整個(gè)集群的統(tǒng)一資源管理，Worker節(jié)點(diǎn)中的Executor是應(yīng)用執(zhí)行的主要進(jìn)程，內(nèi)部含有多個(gè)Task線(xiàn)程以及內(nèi)存空間，下面通過(guò)圖2-12深入了解Spark運(yùn)行基本流程。圖2-12Spark運(yùn)行基本流程圖

(1)當(dāng)一個(gè)Spark應(yīng)用被提交時(shí)，根據(jù)提交參數(shù)在相應(yīng)位置創(chuàng)建Driver進(jìn)程，Driver進(jìn)程根據(jù)配置參數(shù)信息初始化SparkContext對(duì)象，即Spark運(yùn)行環(huán)境，由SparkContext負(fù)責(zé)和Cluster Manager的通信以及資源的申請(qǐng)、任務(wù)的分配和監(jiān)控等。SparkContext啟動(dòng)后，創(chuàng)建DAG Scheduler(將DAG圖分解成Stage)和Task Scheduler(提交和監(jiān)控Task)兩個(gè)調(diào)度模塊。

(2)Driver進(jìn)程根據(jù)配置參數(shù)向Cluster Manager申請(qǐng)資源(主要是用來(lái)執(zhí)行的Executor)，Cluster Manager接收到應(yīng)用(Application)的注冊(cè)請(qǐng)求后，會(huì)使用自己的資源調(diào)度算法，在Spark集群的Worker節(jié)點(diǎn)上，通知Worker為應(yīng)用啟動(dòng)多個(gè)Executor。

(3)Executor創(chuàng)建后，會(huì)向Cluster Manager進(jìn)行資源及狀態(tài)的反饋，便于Cluster Manager對(duì)Executor進(jìn)行狀態(tài)監(jiān)控，如果監(jiān)控到Executor失敗，則會(huì)立刻重新創(chuàng)建。

(4)Executor會(huì)向SparkContext反向注冊(cè)申請(qǐng)Task。

(5)Task Scheduler將Task發(fā)送給Worker進(jìn)程中的Executor運(yùn)行并提供應(yīng)用程序代碼。

(6)當(dāng)程序執(zhí)行完畢后寫(xiě)入數(shù)據(jù)，Driver向Cluster Manager注銷(xiāo)申請(qǐng)的資源。

Spark的框架模塊和運(yùn)行模式是什么？

Spark Streaming工作原理是什么？

Spark的應(yīng)用場(chǎng)景有哪些？

Spark生態(tài)系統(tǒng)包含哪些組件？【大數(shù)據(jù)培訓(xùn)】

傳智教育Python+大數(shù)據(jù)開(kāi)發(fā)培訓(xùn)課程