当前位置： 首页 >> Spark >> Spark运行架构与核心组件

---

Spark运行架构与核心组件

2023-09-10 19:57:36 星期日  发表于北京  阅读：735

---

 Spark框架的核心是一个计算引擎，整体来说，它采用了标准的mater-slave结构 如上图所示，它展示了一个Spark执行时的基本结构，图形中的Driver表示master，负责管理整个集群中的作业任务调度，而Executor是slave，负责执行任务。 #### Driver Spark 驱动器节点，用于执行 Spark 任务中的 main 方法，负责实际代码的执行工作。 Driver 在 Spark 作业执行时主要负责： >1) 将用户程序转化为作业（Job）； 2) 在 Executor 之间调度任务（Task）； 3) 跟踪 Executor 的执行情况； 4) 通过 UI 展示查询运行情况 #### Executor Spark Executor 对象是负责在 Spark 作业中运行具体任务，任务彼此之间相互独立。Spark应用启动时，ExecutorBackend 节点被同时启动，并且始终伴随着整个 Spark 应用的生命周期而存在。如果有 ExecutorBackend 节点发生了故障或崩溃，Spark 应用也可以继续执行，会将出错节点上的任务调度到其他 Executor 节点上继续运行。 Executor 有两个核心功能： >1) 负责运行组成 Spark 应用的任务，并将结果返回给驱动器（Driver）； 2) 它们通过自身的块管理器（Block Manager）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，因此任务可以在运行时充分利用缓存数据加速运算。 #### Master&Worker Spark集群的独立部署环境中，不需要依赖其他资源调度框架，自身就实现了资源调度功能，所以环境中还有其他两个核心组件：`Maste`r和`Worker`。 >Master是一个进程，主要负责资源的调度和分配，并进行集群的监控等职责，类似于Yarn环境中的RM Worker也是进程，一个Worker运行在集群中的一台服务器上，由Master分配资源对数据进行并行处理和计算，类似于Yarn环境中的NM #### ApplicationMaster Hadoop 用户向 YARN 集群提交应用程序时，提交程序中应该包含 ApplicationMaster， 用于向资源调度器申请执行任务的资源容器 Container，运行用户自己的程序任务job，监控整个任务的执行，跟踪整个任务的状态，处理任务失败等异常情况。 说的简单点就是，ResourceManager（资源）和 Driver（计算）之间的解轉合靠的就是ApplicationMaster #### Executor 与 Core Spark Executor 是集群中运行在工作节点（Worker）中的一个JVM进程，是整个集群中的专门用于计算的节点。在提交应用中，可以提供参数指定计算节点的个数，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(Core）数量。 应用程序相关启动参数如下 |序号|名称|说明| |-|-|-| |1|--num-executors|配置 Executor 的数量| |2|--executor-memory|配置每个 Executor 的内存大小| |3|--executor-cores|配置每个 Executor 的虚拟 CPU core数量| #### 并行度 (Parallelism) 在分布式计算框架中一般都是多个任务同时执行，由于任务分布在不同的计算节点进行计算，所以能够真正地实现多任务并行执行，记住，这里是并行，而不是并发。 这里我们将整个集群并行执行任务的数量称之为并行度。那么一个作业到底并行度是多少呢？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。 #### 有向无环图 (DAG)  这里所谓的有向无环图，并不是真正意义的图形，而是由 Spark 程序直接映射成的数据流的高级抽象模型。 简单理解就是将整个程序计算的执行过程用图形表示出来,这样更直观，更便于理解，可以用于表示程序的拓扑结构