spark學習(基礎篇)--(第三節)Spark幾種運行模式
spark應用執行機制分析
前段時間一直在編寫指標代碼，一直采用的是--deploy-mode client方式開發測試，因此執行沒遇到什麽問題，但是放到生產上采用--master yarn-cluster方式運行，那問題就開始陸續暴露出來了。因此寫一篇文章分析並記錄一下spark的幾種運行方式。
1.spark應用的基本概念
spark運行模式分為：Local(本地idea上運行)，Standalone,yarn,mesos等，這裏主要是討論一下在yarn上的運行方式，因為這也是最常見的生產方式。
根據spark Application的Driver Program是否在集群中運行，spark應用的運行方式又可以分為Cluster模式和Client模式。
spark應用涉及的一些基本概念：
1.mater:主要是控制、管理和監督整個spark集群
2.client：客戶端，將用應用程序提交，記錄著要業務運行邏輯和master通訊。
3.sparkContext：spark應用程序的入口，負責調度各個運算資源，協調各個work node上的Executor。主要是一些記錄信息，記錄誰運行的，運行的情況如何等。這也是為什麽編程的時候必須要創建一個sparkContext的原因了。
4.Driver Program：每個應用的主要管理者，每個應用的老大，有人可能問不是有master麽怎麽還來一個？因為master是集群的老大，每個應用都歸老大管，那老大瘋了。因此driver負責具體事務運行並跟蹤，運行Application的main()函數並創建sparkContext。
5.RDD：spark的核心數據結構，可以通過一系列算子進行操作，當Rdd遇到Action算子時，將之前的所有的算子形成一個有向無環圖(DAG)。再在spark中轉化成為job，提交到集群執行。一個app可以包含多個job
6.worker Node:集群的工作節點，可以運行Application代碼的節點，接收mater的命令並且領取運行任務，同時匯報執行的進度和結果給master，節點上運行一個或者多個Executor進程。
7.exector：為application運行在workerNode上的一個進程，該進程負責運行Task，並且負責將數據存在內存或者磁盤上。每個application都會申請各自的Executor來處理任務。
spark應用(Application)執行過程中各個組件的概念：
1.Task(任務)：RDD中的一個分區對應一個task，task是單個分區上最小的處理流程單元。
2.TaskSet(任務集)：一組關聯的，但相互之間沒有Shuffle依賴關系的Task集合。
3.Stage(調度階段)：一個taskSet對應的調度階段，每個job會根據RDD的寬依賴關系被切分很多Stage，每個stage都包含 一個TaskSet。
4.job(作業)：由Action算子觸發生成的由一個或者多個stage組成的計算作業。
5.application：用戶編寫的spark應用程序，由一個或者多個job組成，提交到spark之後，spark為application分派資源，將程序轉換並執行。
6.DAGScheduler：根據job構建基於stage的DAG，並提交stage給TaskScheduler。
7.TaskScheduler:將Taskset提交給Worker Node集群運行並返回結果。
spark基本概念之間的關系
一個Application可以由一個或者多個job組成，一個job可以由一個或者多個stage組成，其中stage是根據寬窄依賴進行劃分的，一個stage由一個taskset組成，一個TaskSET可以由一個到多個task組成。
應用提交與執行
spark使用driver進程負責應用的解析，切分Stage並且調度task到Executor執行,包含DAGscheduler等重要對象。Driver進程的運行地點有如下兩種：
1.driver進程運行在client端，對應用進行管理監控。
2.Master節點指定某個Worker節點啟動Driver進程，負責監控整個應用的執行。
driver運行在client
用戶啟動Client端，在client端啟動Driver進程。在Driver中啟動或實例化DAGScheduler等組件。
1.driver在client啟動，做好準備工作，計劃好任務的策略和方式（DAGScheduler)後向Master註冊並申請運行Executor資源。
2.Worker向Master註冊，Master通過指令讓worker啟動Executor。
3.worker收到指令後創建ExecutorRunner線程，進而ExecutorRunner線程啟動executorBackend進程。
4.ExecutorBackend啟動後，向client端driver進程內的SchedulerBackend註冊,這樣dirver進程就可以發現計算資源了。
5.Driver的DAGScheduler解析應用中的RDD DAG並生成相應的Stage，每個Stage包含的TaskSet通過TaskScheduler分配給Executor，在Exectutor內部啟動線程池並行化執行Task，同事driver會密切註視，如果發現哪個execuctor執行效率低，會分配其他exeuctor頂替執行，觀察誰的效率更高（推測執行）。
6.計劃中的所有stage被執行完了之後，各個worker匯報給driver，同事釋放資源，driver確定都做完了，就向master匯報。同時driver在client上，應用的執行進度clinet也知道了。
Driver運行在Worker節點
用戶啟動客戶端，客戶端提交應用程序給Master
1.Master調度應用，指定一個worker節點啟動driver，即Scheduler-Backend。
2.worker接收到Master命令後創建driverRunner線程，在DriverRunner線程內創建SchedulerBackend進程，Dirver充當整個作業的主控進程。
3.Master指定其他Worker節點啟動Exeuctor，此處流程和上面相似，worker創建ExecutorRunner線程，啟動ExecutorBackend進程。
4.ExecutorBackend啟動後，向client端driver進程內的SchedulerBackend註冊,這樣dirver進程就可以發現計算資源了。
5.Driver的DAGScheduler解析應用中的RDD DAG並生成相應的Stage，每個Stage包含的TaskSet通過TaskScheduler分配給Executor，在Exectutor內部啟動線程池並行化執行Task，同事driver會密切註視，如果發現哪個execuctor執行效率低，會分配其他exeuctor頂替執行，觀察誰的效率更高（推測執行）。
6.計劃中的所有stage被執行完了之後，各個worker匯報給driver，同事釋放資源，driver確定都做完了，就向master匯報。客戶也會跳過master直接和drive通訊了解任務的執行進度。
spark學習(基礎篇)--(第三節)Spark幾種運行模式