对Spark2.2.0文档的学习1-Cluster Mode Overview

Cluster Mode Overview

Link：http://spark.apache.org/docs/2.2.0/cluster-overview.html

Spark应用（Applications）作为独立的进程运行在集群中。

Driver程序中持有SparkContext对象，集群中运行Spark应用的步骤：

（1）SparkContext连接Cluster Manager（Spark自己的Standalone cluster manager，Mesos，YARN，Kubernetes  since 2.3），集群管理器的作用是为不同应用分配资源。

（2）连接到CM之后，Spark请求集群节点中的executors，executors为应用进行计算和存储数据

（3）将应用的代码（JAR或者Python文件）传递给SparkContext，SparkContext将应用的代码传递给executors

（4）SparkContext将Tasks发送给executors执行。

Note：

（1）各个Spark应用有自己独立的执行执行进程（executor processes），因此不把数据写回外部存储，各个Spark应用(instances of SparkContext)无法共享数据.

（2）Spark is agnostic to the underlying cluster manager.

（3）Driver程序在整个生命周期都要监听并接受它的executors的连接。

（4）Driver运行的节点应该尽可能与worker节点物理上接近。