- Spark的系统架构
Spark采用master/worker结构,master负责管理应用和任务,worker节点负责执行任务。
- 几个概念
- Spark driver,Spark驱动程序,指的是Spark应用中main函数的进程
- Executor,Spark执行器,是Spark计算资源的一个单位,Spark先以Executor为单位占用集群资源。然后将具体的任务分配给Executor执行
- task,是Spark中最小的计算单位,不能再被拆分,task以线程的方式运行再executor进程中,执行具体的任务,executor持有一个线程池,执行一个task
- 为什么task是以线程的方式运行而不是进程?
- 保证task之间相互独立,独享进程资源,监控比较方便
- 任务执行的过程中task会不断启用和停止,进程启动和停止会耗费大量的时间
- Spark任务执行的流程
(1)编写Spark任务的计算逻辑,(2)Spark根据计算逻辑建立DAG型的逻辑处理流程,(3)然后根据逻辑处理流程生成物理执行计划,物理执行计划中包含具体的计算任务task,最后Spark将task分配到具体的机器上执行。
- Job作业
涉及到具体的计算操作action才算做是一个job,比如count
- 物理执行计划是如何生成的?
- 确定应用会产生哪些作业job
- 根据逻辑处理流程中的数据依赖关系将job拆分为执行阶段stage
- 对于每一个stage,根据rdd的分区个数确定task的个数和种类
posted @
2021-03-13 21:27
swordspoet
阅读(
57)
评论()
编辑
收藏
举报