Spark的框架

1.组成（主从结构）

client

提交应用的客户端

master(ResourceManager)

主节点，standalone模式时，为master；yarn模式时，为ResourceManager

worker(NodeManager)

从节点，standalone模式时，为worker；yarn模式时，为NodeManager

driver

负责协调应用提交后的一个分布式应用程序，包含一下内容：

(1)SparkContext

spark上下文环境，负责应用程序的生命周期

(2)RDD DAG

弹性分布式数据集，spark的计算单元，一组弹性分布式数据集，可以形成有向无环图

(3)DAG scheduler

根据应用构建基于stage(阶段)的有向无环图，并将stage提交给task scheduler

(4)Task scheduler

将包和文件进行序列化，task任务传送给worker上的executor执行

(5)SparkEnv

线程级别的上下文

• SparkConf

       配置信息

• BroadcastManager

      存储广播变量和元数据信息

 

2.流程

(1)client提交应用给master

(2)master发送指令给worker，worker收到指令，创建driver

(3)driver向master申请资源，并将应用转化等RDD graph

(4)DAG scheduler将RDD graph转化成基于stage的有向无环图

(5)Task scheduler将基于stage的有向无环图图转化成task，将文件和包序列化，传送给对应的worker上的executor执行。

 参考书籍：《循序渐进Spark》