Spark - spark on yarn 的作业提交流程

YarnClient

YarnCluster

1. 客户端（Client）通过YARN的ResourceManager提交应用程序。在此过程中，客户端进行权限验证，生成Job ID和资源上传路径，并将这些信息返回给客户端。
2. 客户端将jar包、配置文件、第三方包等文件上传到指定的HDFS路径。完成后，客户端再次向ResourceManager提交作业执行请求。
3. ResourceManager收到请求后，将其封装为一个任务，并将其插入Scheduler的任务队列中，等待空闲资源。
4. 一旦集群中有空闲资源，Scheduler将任务分配给NodeManager，NodeManager创建容器，并启动ApplicationMaster。
5. ApplicationMaster启动后，从HDFS中拉取jar包，解析数据流（DAG），根据数据流生成阶段（Stage），确定任务的并发度，并向ResourceManager申请资源。
6. ResourceManager接收到请求后，将任务封装为Task，并将其插入任务队列。
7. 一旦集群中有空闲资源，ResourceManager将任务分配给NodeManager，NodeManager启动容器，并与ApplicationMaster通信，以在容器中启动Executor进程。
8. Executor向ApplicationMaster注册，并申请任务。ApplicationMaster对任务进行解析，并将Task发送到Executor上。
9. Executor执行Task，并将执行结果或状态报告给ApplicationMaster。
10. 当所有任务执行完毕时，ApplicationMaster通知ResourceManager注销应用，回收资源。至此，整个作业的提交流程结束。

(END)