Spark应用的结构的学习

关注公众号：分享电脑学习
回复"百度云盘" 可以免费获取所有学习文档的代码（不定期更新）

承接上一篇文档《Standalone集群搭建和Spark应用监控》

需要了解的概念

一、Spark应用的结构（Driver + Executors）

（一）、Driver：相当于MapReduce中ApplicationMaster，运行SparkContext上下文、SparkContext进行初始化的地方（JVM）、进行RDD的初始化、Task运行的资源申请、调度的地方，一般认为就是main运行的地方

（二）、Executors：具体的Task运行的地方，一个executor可以运行多个Task任务，一个spark应用可以有多个Executor

练习：

1、 local模式下没有启动SparkShell的情况下查看jps

2、 local模式下启动SparkShell的情况下查看jps

3、 启动集群模式查看jps

结论：

1、local模式：driver和executor运行在同一个进程（SparkSubmit），以线程的方式进行区分的。

2、集群模式：

Driver：SparkSubmit

Executor：CoarseGrainedExecutorBackend

练习：分别查看spark-shell和spark-submit命令可以找到下面的语句

1、 spark-shell底层运行的是spark-submit

2、 spark-submit底层执行的是spark-class

结论：每运行一个spark-submit，就相当于执行了一个Spark的Application

练习：

1、 执行词频统计前十（参考前面的课件）的语句（不执行collect），在浏览器查看ip:4040/jobs

2、 执行词频统计前十（参考前面的课件）的语句（执行collect），在浏览器查看ip:4040/jobs

3、 再执行一次上面的第二步，可以多运行几次查看

结论：Application，一个应用包含多个job

练习：点击ip:4040/jobs中的多个job，查看里面的信息

结论：一个Job里面包含多个Stage

练习：点击ip:4040/jobs中的多个Stage，查看里面的信息

结论：一个Stage里面可以包含多个Task。可以在词频统计前十中调用partition，查看分区个数，分区多数多的话 就可以有多个Task了

其中上面的结论补充（详细解释在后面慢慢讲解）：

1、RDD的action类型的API一旦触发就会产生一个job，比如collect、take(10)、

2、有shuffle操作就会划分stage

3、Task就是最小的运行单位，是在executor处理对应分区数据的线程