摘要：
注意: 不管是重启系统还是关闭系统，首先要运行sync命令，把内存中的数据写到磁盘中 正确的关机流程为：sync > shutdown > reboot > halt 基本语法 （1）sync （功能描述：将数据由内存同步到硬盘中） （2）halt （功能描述：关闭系统，等同于shutdown -h 阅读全文
摘要：
https://man.linuxde.net/ 阅读全文
摘要：
累加器在Driver端定义赋初始值，累加器只能在Driver端读取，在Excutor端更新 阅读全文
摘要：
spark的调度模式分为两种：FIFO(先进先出)和FAIR(公平调度) 默认是FIFO，即谁先提交谁先执行 FAIR支持在调度池中再进行分组，可以有不同的权重，根据权重、资源等来决定谁先执行 spark的调度模式可以通过spark.scheduler.mode进行设置 默认是FIFO，即谁先提交谁 阅读全文
摘要：
Executor在集群中分散启动，有利于task计算的数据本地化 默认情况下（提交任务的时候没有设置--executor-cores选项），每一个Worker为当前的Application启动一个Executor,这个Executor会使用这个Worker的所有的cores和1G内存 如果想在Wor 阅读全文
摘要：
粗粒度资源申请(Spark） 在Application执行之前，将所有的资源申请完毕，当资源申请成功后，才会进行任务的调度，当所有的task执行完成后，才会释放这部分资源 优点：在Application执行之前，所有的资源都申请完毕，每一个task直接使用资源就可以了，不需要task在执行前自己去申 阅读全文
摘要：
1、启动集群后，Worker节点会向Master节点汇报资源情况，Master掌握了集群资源情况 2、当Spark提交一个Application后，根据RDD之间的依赖关系将Application形成一个DAG有向无环图。任务提交后，Spark会在Driver端创建两个对象：DAGScheduler 阅读全文
摘要：
资源粒度 MR是基于进程，MR的每一个task都是一个进程，当task完成时，进程也会结束 spark是基于线程，Spark的多个task跑在同一个进程上，这个进程会伴随spark应用程序的整个生命周期，即使没有作业进行，进程也是存在的 所以，spark比MR快的原因也在这，MR启动就需要申请资源， 阅读全文
摘要：
控制算子有三种，cache,persist,checkpoint，以上算子都可以将RDD持久化，持久化的单位是partition。cache和persist都是懒执行的。必须有一个action类算子触发执行。checkpoint算子不仅能将RDD持久化到磁盘，还能切断RDD之间的依赖关系 cache 阅读全文
摘要：
yarn-client提交任务方式 yarn-client提交任务方式 客户端提交一个Application，在客户端启动一个Driver进程 Driver进程会向RS(ResourceManager)发送请求，启动AM(ApplicationMaster)的资源 RS收到请求，随机选择一台NM(N 阅读全文