五、standalone运行模式

在上文中我们知道spark的集群主要有三种运行模式standalone、yarn、mesos，其中常被使用的是standalone和yarn，本文了解一下什么是standalone运行模式，它的运行流程是怎么样的。

简介

standalone模式，是spark自己实现的，它是一个资源调度框架。这里我们要关注这个框架的三个节点：

1）client

2）master

3）worker

spark应用程序有一个Driver驱动，Driver可以运行在Client上也可以运行在master上。如果你使用spark-shell去提交job的话它会是运行在master上的，如果你使用spark-submit或者IDEA开发工具方式运行，那么它是运行在Client上的。这样我们知道了，Client的主体作用就是运行Driver。而master除了资源调度的作用还可以运行Driver。

再关注master和worker节点，standalone是一个主从模式，master节点负责资源管理，worker节点负责任务的执行。

运行流程

了解standalone主要节点之后，我们看一下它的运行流程，如图：

1）当spark集群启动以后，worker节点会有一个心跳机制和master保持通信；

2）SparkContext连接到master以后会向master申请资源，而master会根据worker心跳来分配worker的资源，并启动worker的executor进程；

3）SparkContext将程序代码解析成dag结构，并提交给DagScheduler；

4）dag会在DagScheduler中分解成很多stage，每个stage包含着多个task；

5）stage会被提交给TaskScheduler，而TaskScheduler会将task分配到worker，提交给executor进程，executor进程会创建线程池去执行task，并且向SparkContext报告执行情况，直到task完成；

6）所有task完成以后，SparkContext向Master注销并释放资源；

总结

standalone的是spark默认的运行模式，它的运行流程主要就是把程序代码解析成dag结构，并再细分到各个task提交给executor线程池去并行计算。

在运行流程中我们并没有提到job这个概念，只是说dag结构会被分解成很多的stage。其实，分解过程中如果遇到action操作（这不暂时不关注action操作是什么），那么就会生成一个job，而每一个job都包含着一个或者多个stage，所以job和stage也是一个总分的逻辑关系。