Spark架构原理。

1.Spark架构相关进程

我们以Spark的standalone集群为例进行分析Spark的相关进程。

• Driver：我们编写的Spark程序就在Driver(进程)上，由Driver进程负责执行，Driver进程所在的节点可以是Spark集群的某一个节点或者就是我们提交Spark程序的客户端节点，具体Driver进程在哪个节点上启动是由我们提交任务时指定的参数决定的，这个后面我们会详细分析。
• Master：集群的主节点中启动的进程，主要负责集群资源的管理和分配，还有集群的监控等。
• Worker：集群的从节点中启动的进程，主要负责启动其它进程来执行具体数据的处理和计算任务。
• Executor：此进程由Worker负责启动，主要为了执行数据处理和计算。
• Task：是一个线程，由Executor负责启动，它是真正干活的。

2.Spark架构原理

通过下面这个图，我们来分析一下Spark的架构原理。

1. 首先我们在spark的客户端机器上通过driver进程执行我们的Spark代码，当我们通过spark-submit脚本提交Spark任务的时候Driver进程就启动了。
2. Driver进程启动之后，会做一些初始化的操作，会找到集群master进程，对Spark应用程序进行注册。
3. 当Master收到Spark程序的注册申请之后，会发送请求给Worker，进行资源的调度和分配。
4. Worker收到Master的请求之后，会为Spark应用启动Executor进程，会启动一个或者多个Executor，具体启动多少个，会根据你的配置来启动。
5. Executor启动之后，会向Driver进行反注册，这样Driver就知道哪些Executor在为它服务了。
6. Driver会根据我们对RDD定义的操作，提交一堆的task去Executor上执行，task里面执行的其实就是具体的map、flatMap这些操作。