Spark調(diào)度架構(gòu)原理詳解
1.啟動(dòng)spark集群,就是執(zhí)行sbin/start-all.sh,啟動(dòng)master和多個(gè)worker節(jié)點(diǎn),master主要作為集群的管理和監(jiān)控,worker節(jié)點(diǎn)主要擔(dān)任運(yùn)行各個(gè)application的任務(wù)。master節(jié)點(diǎn)需要讓worker節(jié)點(diǎn)匯報(bào)自身狀況,比如CPU,內(nèi)存多大,這個(gè)過(guò)程都是通過(guò)心跳機(jī)制來(lái)完成的
2.master收到worker的匯報(bào)信息之后,會(huì)給予worker信息
3.driver提交任務(wù)給spark集群[driver和master之間的通信是通過(guò)AKKAactor來(lái)做的,也就是說(shuō)master是akkaactor異步通信模型中的一個(gè)actor模型,driver也是一樣,driver異步向mater發(fā)送注冊(cè)信息(registerApplication)異步注冊(cè)信息]
4.master節(jié)點(diǎn)對(duì)application預(yù)估,7個(gè)G的內(nèi)存完成任務(wù),對(duì)任務(wù)進(jìn)行分配,每一個(gè)worker節(jié)點(diǎn)上都分配3.5G的內(nèi)存去執(zhí)行任務(wù),在master就對(duì)各個(gè)worker上的任務(wù)進(jìn)行整體的監(jiān)控調(diào)度
5.worker節(jié)點(diǎn)領(lǐng)到任務(wù),開(kāi)始執(zhí)行,在worker節(jié)點(diǎn)上啟動(dòng)相應(yīng)的executor進(jìn)程來(lái)執(zhí)行,每個(gè)executor中都有一個(gè)線程池的概念,里面存有多個(gè)task線程
6.executor會(huì)從線程池中取出task去計(jì)算rddpatition中的數(shù)據(jù),transformation操作,action操作
7.worker節(jié)點(diǎn)向driver節(jié)點(diǎn)匯報(bào)計(jì)算狀態(tài)
通過(guò)本地并行化集合創(chuàng)建RDD
public class JavaLocalSumApp{ public static void main(String[] args){ SparkConf conf = new SparkConf().setAppName("JavaLocalSumApp"); JavaSparkContext sc = new JavaSparkContext(conf); List<Integer> list = Arrays.asList(1,3,4,5,6,7,8); //通過(guò)本地并行化集合創(chuàng)建RDD JavaRDD <Integer> listRDD = sc.parallelize(list); //求和 Integer sum = listRDD.reduce(new Function2<Integer,Integer,Integer,Integer>(){ @Override public Integer call(Integer v1,Integer v2) throws Exception{ return v1+v2; } } ); System.out.println(sum) } } //java 中的函數(shù)式編程,需要將編譯器設(shè)置成1.8 listRDD.reduce((v1,v2)=> v1+v2)
Sparktransformation和action操作
RDD:彈性分布式數(shù)據(jù)集,是一種集合,支持多種來(lái)源,有容錯(cuò)機(jī)制,可以被緩存,支持并行操作,一個(gè)RDD代表一個(gè)分區(qū)里的數(shù)據(jù)集
RDD有兩種操作算子:
Transformation(轉(zhuǎn)化):Transformation屬于延遲計(jì)算,當(dāng)一個(gè)RDD轉(zhuǎn)換成另一個(gè)RDD時(shí)并沒(méi)有立即進(jìn)行轉(zhuǎn)換,緊緊是記住了數(shù)據(jù)集的邏輯操作
Action(執(zhí)行):觸發(fā)Spark作業(yè)的運(yùn)行,真正觸發(fā)轉(zhuǎn)換算子的計(jì)算
spark算子的作用
該圖描述的是Spark在運(yùn)行轉(zhuǎn)換中通過(guò)算子對(duì)RDD進(jìn)行轉(zhuǎn)換,算子是RDD中定義的函數(shù),可以對(duì)RDD中的數(shù)據(jù)進(jìn)行轉(zhuǎn)換和操作。
輸入:在Spark程序運(yùn)行中,數(shù)據(jù)從外部數(shù)據(jù)空間(如分布式存儲(chǔ):textFile讀取HDFS等,parallelize方法輸入Scala集合或數(shù)據(jù))輸入Spark ,數(shù)據(jù)進(jìn)入Spark運(yùn)行時(shí)數(shù)據(jù)空間,轉(zhuǎn)化為Spark中的數(shù)據(jù)塊,通過(guò)BlockManager進(jìn)行管理
運(yùn)行:在Spark數(shù)據(jù)輸入形成RDD后便可以通過(guò)變換算子,如filter等。對(duì)數(shù)據(jù)進(jìn)行操作并將RDD轉(zhuǎn)換為新的RDD,通過(guò)Action算子,觸發(fā)Spark提交作業(yè),如果數(shù)據(jù)需要復(fù)用,可以通過(guò)Cache算子,將數(shù)據(jù)緩存到內(nèi)存
輸出:程序運(yùn)行結(jié)束數(shù)據(jù)會(huì)輸出Spark運(yùn)行時(shí)空間,存儲(chǔ)到分布式存儲(chǔ)中(如saveAsTextFile輸出到HDFS),或Scala數(shù)據(jù)或集合中(collect輸出到Scala集合,count返回Scala int 型數(shù)據(jù))
Transformation 和 Actions操作概況
Transformation
map(func):返回一個(gè)新的分布式數(shù)據(jù)集,由每個(gè)原元素經(jīng)過(guò)func函數(shù)轉(zhuǎn)換后組成
filter(func) :返回一個(gè)新的數(shù)據(jù)集,由經(jīng)過(guò)func函數(shù)
flatMap(func):類似于map,但是每一個(gè)輸入元素,會(huì)被映射為0到多個(gè)輸出元素(因此,func函數(shù)的返回值是一個(gè)Seq,而不是單一元素)
sample(withReplacement, frac, seed): 根據(jù)給定的隨機(jī)種子seed,隨機(jī)抽樣出數(shù)量為frac的數(shù)據(jù)
union(otherDataset): 返回一個(gè)新的數(shù)據(jù)集,由原數(shù)據(jù)集和參數(shù)聯(lián)合而成
roupByKey([numTasks]): 在一個(gè)由(K,V)對(duì)組成的數(shù)據(jù)集上調(diào)用,返回一個(gè)(K,Seq[V])對(duì)的數(shù)據(jù)集。注意:默認(rèn)情況下,使用8個(gè)并行任務(wù)進(jìn)行分組,你可以傳入numTask可選參數(shù),根據(jù)數(shù)據(jù)量設(shè)置不同數(shù)目的Task
reduceByKey(func, [numTasks]): 在一個(gè)(K,V)對(duì)的數(shù)據(jù)集上使用,返回一個(gè)(K,V)對(duì)的數(shù)據(jù)集,key相同的值,都被使用指定的reduce函數(shù)聚合到一起。和groupbykey類似,任務(wù)的個(gè)數(shù)是可以通過(guò)第二個(gè)可選參數(shù)來(lái)配置的。
join(otherDataset, [numTasks]): 在類型為(K,V)和(K,W)類型的數(shù)據(jù)集上調(diào)用,返回一個(gè)(K,(V,W))對(duì),每個(gè)key中的所有元素都在一起的數(shù)據(jù)集
groupWith(otherDataset, [numTasks]): 在類型為(K,V)和(K,W)類型的數(shù)據(jù)集上調(diào)用,返回一個(gè)數(shù)據(jù)集,組成元素為(K, Seq[V], Seq[W]) Tuples。這個(gè)操作在其它框架,稱為CoGroup
cartesian(otherDataset): 笛卡爾積。但在數(shù)據(jù)集T和U上調(diào)用時(shí),返回一個(gè)(T,U)對(duì)的數(shù)據(jù)集,所有元素交互進(jìn)行笛卡爾積。
Actions操作
reduce(func): 通過(guò)函數(shù)func聚集數(shù)據(jù)集中的所有元素。Func函數(shù)接受2個(gè)參數(shù),返回一個(gè)值。這個(gè)函數(shù)必須是關(guān)聯(lián)性的,確保可以被正確的并發(fā)執(zhí)行
collect(): 在Driver的程序中,以數(shù)組的形式,返回?cái)?shù)據(jù)集的所有元素。這通常會(huì)在使用filter或者其它操作后,返回一個(gè)足夠小的數(shù)據(jù)子集再使用,直接將整個(gè)RDD集Collect返回,很可能會(huì)讓Driver程序OOM
count(): 返回?cái)?shù)據(jù)集的元素個(gè)數(shù)
take(n): 返回一個(gè)數(shù)組,由數(shù)據(jù)集的前n個(gè)元素組成。注意,這個(gè)操作目前并非在多個(gè)節(jié)點(diǎn)上,并行執(zhí)行,而是Driver程序所在機(jī)器,單機(jī)計(jì)算所有的元素(Gateway的內(nèi)存壓力會(huì)增大,需要謹(jǐn)慎使用)
first(): 返回?cái)?shù)據(jù)集的第一個(gè)元素(類似于take(1))
saveAsTextFile(path): 將數(shù)據(jù)集的元素,以textfile的形式,保存到本地文件系統(tǒng),hdfs或者任何其它hadoop支持的文件系統(tǒng)。Spark將會(huì)調(diào)用每個(gè)元素的toString方法,并將它轉(zhuǎn)換為文件中的一行文本
saveAsSequenceFile(path): 將數(shù)據(jù)集的元素,以sequencefile的格式,保存到指定的目錄下,本地系統(tǒng),hdfs或者任何其它hadoop支持的文件系統(tǒng)。RDD的元素必須由key-value對(duì)組成,并都實(shí)現(xiàn)了Hadoop的Writable接口,或隱式可以轉(zhuǎn)換為Writable(Spark包括了基本類型的轉(zhuǎn)換,例如Int,Double,String等等)
foreach(func): 在數(shù)據(jù)集的每一個(gè)元素上,運(yùn)行函數(shù)func。這通常用于更新一個(gè)累加器變量,或者和外部存儲(chǔ)系統(tǒng)做交互
WordCount執(zhí)行過(guò)程
總結(jié)
以上就是本文關(guān)于Spark 調(diào)度架構(gòu)原理詳解的全部?jī)?nèi)容,希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專題,如有不足之處,歡迎留言指出。感謝朋友們對(duì)本站的支持!
相關(guān)文章
java得到某年某周的第一天實(shí)現(xiàn)思路及代碼
某年某周的第一天,此功能如何使用java編程得到呢?既然有了問(wèn)題就有解決方法,感興趣的朋友可以了解下本文,或許會(huì)給你帶來(lái)意想不到的收獲哦2013-01-01javaweb中ajax請(qǐng)求后臺(tái)servlet(實(shí)例)
下面小編就為大家?guī)?lái)一篇javaweb中ajax請(qǐng)求后臺(tái)servlet(實(shí)例)。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-06-06Java高性能本地緩存框架Caffeine的實(shí)現(xiàn)
本文主要介紹了Java高性能本地緩存框架Caffeine的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-02-02Redisson分布式信號(hào)量RSemaphore的使用超詳細(xì)講解
這篇文章主要介紹了Redisson分布式信號(hào)量RSemaphore的使用,基于Redis的Redisson的分布式信號(hào)量RSemaphore采用了與java.util.concurrent.Semaphore相似的接口和用法2023-02-02Java實(shí)現(xiàn)簡(jiǎn)單的酒店管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了java實(shí)現(xiàn)酒店管理系統(tǒng),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2020-07-07Java聊天室之使用Socket實(shí)現(xiàn)通信功能
這篇文章主要為大家詳細(xì)介紹了Java簡(jiǎn)易聊天室之使用Socket實(shí)現(xiàn)通信功能,文中的示例代碼講解詳細(xì),具有一定的借鑒價(jià)值,需要的可以了解一下2022-10-10