Spark集群工作原理

Spark

　　集群工作原理

　　　　4台机器，1-Spark集群的客户端Driver 2-Master(master节点执行命令的话，久而久之会对磁盘性能产生影响，单独抽出集群客户端节点执行命令是为了让磁盘io的交互不要走master节点) 3-Worker1 4-Worker2

　　　　1.在Spark集群客户端提交一个spark命令后，会启动一个Driver进程，在Driver进程内会创建DAGScheduler、TaskScheduler对象。

　　　　2.Driver进程会把执行application所需要的jar上传到Spark集群的FTP服务器(暂时不理解FTP服务器在哪个节点)

　　　　3.Driver会向Master节点申请资源，Master会找到资源充足的Worker节点，并且在Worker节点上启动Executor进程。(Executor进程是一个JVM进程，在这个进程中有一个Threadpool，在线程池中可以执行task(Thread) )

　　　　4.Worker节点中的Executer进程启动完毕后会反向注册给Driver，此时Driver进程内的TaskScheduler对象就管理着一批Executor列表

　　　　5.Driver内的DAGScheduler遇到action类算子后，就会根据RDD的宽窄依赖切割job，划分stage，将stage中所有的task封装成taskSet发送给TaskScheduler。拥有了Executor的TaskScheduler会遍历这个TaskSet中所有的task，分发到Worker节点内的Executor执行。(task如果执行失败，TaskScheduler会重试3次。如果还是失败，会通知DAGScheduler。DAGScheduler会继续重试4次让TaskScheduler分发这个任务。)

　　　　6.Executor执行的时候，如果有需要依赖的jar包，就去集群的FTP服务上下载。