异度部落格

学习是一种生活态度。

0%

Spark架构简介

Posted on In

Spark 架构简介

Spark 是一个 master/slave 架构的分布式系统，它的架构主要包含有

  • Spark Driver
  • Spark Executor
  • Cluster13366ce2e12e3b7d25579d4a574eff44.png%201.png)

一个 Spark 集群一般拥有单个的 Driver 和多个的 Executor。Spark Driver 和 Executor 都是独立运行的 JVM 进程，它们可以运行在单台机器上，也可以运行在多台机器上。

Spark Driver

Spark Driver 是一个 Spark Application 的主入口，它可以用 Scala，Python 或者 R 进行编写。一个 Spark Driver 包含有一个 SparkContext，这是整个 Spark Application 中最核心的组件。同时，还包含有 DAGScheduler, TaskScheduler, BackendScheduler 和 BlockManager 等组件用于将用户代码转换为 Spark job 运行在集群当中。Spark Driver 的主要功能包括：

  • 负责协调 Job 的运行和以及 Cluster Manager 进行交互。
  • 将 RDD 转换为执行的 DAG 图，同时把 DAG 图分为不同的 Stage
  • 将 Job 切割成更小的执行单元，Task，由 Executor 执行。
  • 启动一个 HTTP Server，端口为 4040。这个 Web UI 会把 Spark Application 运行时的信息展示出来。

Spark Executor

Spark Executor 是 Task 的实际执行者。每个 Application 的 Executor 数量可以通过配置指定（Static Allocation）或者有 Spark 动态分配（Dynamic Allocation）。Executor 的主要功能包括：

  • 负责所有的数据处理工作
  • 用于读取和写入外部数据源
  • 缓存着计算过程中的数据

Cluster Manager

严格上说 Cluster Manager 并不是 Spark 的一部分，而是一个外部的 Service（除了 Standalone）。Spark Driver 会和其进行交互用于从集群里获取资源（CPU，Memory 等）。目前 Spark 支持 4 种 Cluster Manager：

  • Standalone：这是一种 Spark 自带的集群管理模式，设计也比较简单。
  • Apache Mesos：Mesos 是一种通用的集群资源管理服务，用于管理 MapReduce 应用或者其他类型的应用。
  • Hadoop YARN ：YARN 是由 Hadoop 2.0 引入的集群资源管理服务。
  • Kubernetes：Kubernetes 是一种管理 containerized 的应用的服务。Spark 2.3 以后引入了对 Kubernetes 的支持。

至于选择使用哪一种 Cluster Manager，完全取决于生产环境以及业务场景，并没有绝对的优劣。