大数据之谜Spark基础篇，Spark运行架构原理详解

温馨提示

本节主要来理解以下五个组件，是怎么相互连接，并配合起来实现我们的Spark应用程序的运行架构原理。

1、Driver

2、Master

3、Worker

4、Executor

5、Task

Driver是一个进程，我们提交编写好的Spark程序就是在Driver上，由Driver进程执行，充当Driver的可能是Spark集群的某个节点、也有可能是你提交Spark程序的机器，这个需要取决于你的Spark运行模式，他是有不一样的。也就是说我们在哪台机器提交运行程序，Spark将会使用它充当Driver角色。

在某些公司正式集群是有专门的提交程序运行的机器，有的也是直接拿集群的Master节点来充当Driver运行程序，也有选举集群某个节点来充当Driver节点。

Master，它也是一个进程，我们可以在搭建好的集群通过最简单的命令jps来查看我们已经运行了哪些进程。Master主要是负责资源的调度和分配，还有集群的监控等职责。

Worker，也是一个进程，主要是负责有，一是用自己的内存，存储RDD的某些partition数据；另一个是启动其他进程和线程，来对RDD上的partition进行运行的处理和计算

Executor，也是一个进程，在一个Executor进程里面会有多个task线程。这里的Executor和task就主要负责执行对RDD的partition进行并行的计算，也就是执行我们队RDD算子，如map、flatMap、reduceByKey等。

Task，是一个线程，主要是负责实际的执行算子任务。

每个组件进行简单介绍后，那这些组件是如何相互调用配合来完成运行一个Spark应用程序呢，结合下图进行直观讲解。

这里我们通过搭建最小测试集群来分析Spark运行架构原理，这里我们有3个节点，1个master、2个worker节点。机器的选举主从节点，是可以在搭建环境的时候，配置文件里面指定机器为Master，还是Worter节点。

A，每当Driver进程被启动之后，都会做哪些事情来初始化操作呢？首先它将发送请求到Master上，进行Spark应用程序的注册，也就是我们要让Master知道，现在有一个新的Spark应用程序要运行了。

B，那Master在接收到Spark应用程序的注册申请之后，会发送给Worker，让其进行资源的调度和分配。这也说明资源分配是由executor来分配管理。

C，Worter接收Master的请求之后，会为Spark应用启动Executor，来给分配资源。

D，Executor启动分配资源好后，就会向Driver进行反注册，这也Driver就会知道哪些Executor是为他进行服务的了。

E，当Driver得到注册了Executor之后，就可以开启正式执行我们的spark应用程序了。首先第一步，就是创建初始RDD，读取数据源，再执行之后的一系列算子。HDFS文件内容被读取到多个worker节点上，形成内存中的分布式数据集，也就是初始RDD 。

F，这时候，Driver就会根据Job任务中的算子形成对应的task，最后提交给Executor，来分配task进行计算的线程。

G，这时的task就会去调用对应自己任务的数据(也就是第一步初始化RDD的partition)来计算，并且task会对调用过来的RDD的partition数据执行指定的算子操作，形成新的RDD的partition，这时一个大的循环就结束了。

后面新的RDD的partition数据又通过Driver形成新一批task提交给Executor执行，循环这个操作，直到所有算子执行结束。

这时候我们回顾前几节的原理分析和WordCount程序运行原理，结合到本节的Spark运行原理中来就会感觉更进一步的理解Spark整体架构了。

希望对你我他有用

有不足之处请多多指教

欢迎留言评论！！！

欢迎关注大数据之谜