简单的讲,Apache Spark是一个快速且通用的集群计算系统。

  Apache Spark 历史:

    2009年由加州伯克利大学的AMP实验室开发,并在2010年开源,13年时成长为Apache旗下大数据领域最活跃的开源项目之一。2014年5月底spark1.0.0发布,2016年6月spark2.0发布,至今最近的版本是xxx(看官网)。

  Spark的使用场景:

    实时查看浏览统计信息,流式计算,SQL查询,图计算,机器学习。

  Spark特点:

    1. 快速的处理能力。由于spark可以将中间输出和最后结果存储在内存中,不像hadoop MR那样需要大量的磁盘I/O的开销,同时spark的DAG执行引擎也支持数据在内存中的计算。
    2. 使用方便。spark支持Java、Scala、Python和R编写的应用程序,同时提供了80多个高等级操作符,可以用Scala、Python和R shell进行交互查询。
    3. 通用性强。Spark提供了一组库,其中包括SQL和DataFrames、用于机器学习的MLlib、GraphX和Spark Straming,在同一个应用程序中无缝地组合这些库。
    4. 随处运行。spark能够访问HDFS、Cassandra、HBase、S3、Hive、Techyon以及任何Hadoop的数据源。

  Spark运行模式:

运行环境         模式                      描述
 Local      本地模式 本地线程方式运行,分local单线程和local-cluster多线程,主要用于开发调试spark应用程序。
Standalone      集群模式 利用spark自带的资源管理器和调度器运行spark集群,采用Master/Slave模式,为解决单点故障可采用ZK实现HA。
ApacheMesos     集群模式      运行在Mesos资源管理器框架之上,由Mesos负责资源管理,spark负责任务调度和计算。
Hadoop Yarn     集群模式 运行在Yarn资源管理器框架之上,由Yarn负责资源管理,spark负责任务调度和计算。

    在实际的应用中,spark应用程序的运行模式取决于传递给sparkcontext的master环境变量的值,目前该值由特定的字符串或是URL组成,如下所示:

      • Local[N]:使用N个线程。
      • Local cluster[worker,core,Memory]:伪分布式模式,可以配置所需要启动的虚拟工作节点,以及每个节点所管理的CPU数量和内存大小。
      • Spark://hostname:port:Standalone模式,需要将spark部署到相关节点,URL为Spark master的主机地址和端口。
      • Mesos://hostname:port:Mesos模式,需要将spark和mesos部署到相关节点,URL为Mesos的主机地址和端口。
      • Yarn standalone/Yarn cluster:Yarn模式一,主程序逻辑和任务都运行在Yarn集群中。
      • Yarn client:Yarn模式二,主程序逻辑运行在本地,具体任务运行在Yarn集群中。

  Spark术语:

    • Application:Spark应用程序,包含一个Driver program和若干Executor。
    • SparkContext:Spark应用程序的入口,负责调度各个运算资源,协调各个Woker Node上的Executor。
    • Driver Program:运行Application的main()函数并创建SparkContext。
    • Executor:Worker Node上的进程,该进程负责运行Task,并负责任务间数据维护(数据是存在内存中还是磁盘上)。
    • Cluster Manager:为任务分配资源。
    • Worker Node:集群中运行spark application的节点。
    • Task:运行在Executor上的工作单元。
    • Job:SparkContext提交的具体Action操作。
    • Stage:每个Job会被拆分很多组task,每组task被称为Stage,也称TaskSet。
    • RDD:弹性分布式数据集。
    • DAGScheduler:根据Job构建基于Stage的DAG,并提交Stage给TaskScheduler。
    • TaskSchedule:将Taskset提交给WorkerNode集群运行并返回结果。

  Spark Job运行原理:

    1. 创建SparkContext对象,然后SparkContext向Cluster Manager申请资源;
    2. Cluster Manager在WokerNode上创建Executor并分配资源(CPU,内存等),后期Executor定期向ClusterManager发送心跳信息;
    3. SparkContext启动DAGSchudler,将提交的任务分解为若干Stage,各个Stage构成DAG;
    4. Taskset发送给TaskSchudle,TaskSchudle将Task发送给对应的Executor,同时SparkContext将应用程序代码发到Executor,从而启动Task的执行;
    5. Executor执行Task,然后释放相应的资源。

  

  

spark学习笔记_1的更多相关文章

  1. Spark学习笔记-GraphX-1

    Spark学习笔记-GraphX-1 标签: SparkGraphGraphX图计算 2014-09-29 13:04 2339人阅读 评论(0) 收藏 举报  分类: Spark(8)  版权声明: ...

  2. Spark学习笔记3——RDD(下)

    目录 Spark学习笔记3--RDD(下) 向Spark传递函数 通过匿名内部类 通过具名类传递 通过带参数的 Java 函数类传递 通过 lambda 表达式传递(仅限于 Java 8 及以上) 常 ...

  3. Spark学习笔记1——第一个Spark程序:单词数统计

    Spark学习笔记1--第一个Spark程序:单词数统计 笔记摘抄自 [美] Holden Karau 等著的<Spark快速大数据分析> 添加依赖 通过 Maven 添加 Spark-c ...

  4. Spark学习笔记之SparkRDD

    Spark学习笔记之SparkRDD 一.   基本概念 RDD(resilient distributed datasets)弹性分布式数据集. 来自于两方面 ①   内存集合和外部存储系统 ②   ...

  5. spark学习笔记总结-spark入门资料精化

    Spark学习笔记 Spark简介 spark 可以很容易和yarn结合,直接调用HDFS.Hbase上面的数据,和hadoop结合.配置很容易. spark发展迅猛,框架比hadoop更加灵活实用. ...

  6. Spark学习笔记2(spark所需环境配置

    Spark学习笔记2 配置spark所需环境 1.首先先把本地的maven的压缩包解压到本地文件夹中,安装好本地的maven客户端程序,版本没有什么要求 不需要最新版的maven客户端. 解压完成之后 ...

  7. Spark学习笔记3(IDEA编写scala代码并打包上传集群运行)

    Spark学习笔记3 IDEA编写scala代码并打包上传集群运行 我们在IDEA上的maven项目已经搭建完成了,现在可以写一个简单的spark代码并且打成jar包 上传至集群,来检验一下我们的sp ...

  8. Spark学习笔记0——简单了解和技术架构

    目录 Spark学习笔记0--简单了解和技术架构 什么是Spark 技术架构和软件栈 Spark Core Spark SQL Spark Streaming MLlib GraphX 集群管理器 受 ...

  9. Spark学习笔记2——RDD(上)

    目录 Spark学习笔记2--RDD(上) RDD是什么? 例子 创建 RDD 并行化方式 读取外部数据集方式 RDD 操作 转化操作 行动操作 惰性求值 Spark学习笔记2--RDD(上) 笔记摘 ...

随机推荐

  1. html和css进阶

    html和css进阶 相对地址与绝对地址 网页上引入或链接到外部文件,需要定义文件的地址,常见引入或链接外部文件包括以下几种: <!-- 引入外部图片 --> <img src=&q ...

  2. oracle存储过程出现ORA-01403: 未找到数据 问题解决方法

    这段时间在做一个业务,需要用到存储过程处理业务逻辑,但是出现一个ORA-01403: 未找到数据 问题, 那么这个应该如何解决这个问题 declare mixType integer; begin - ...

  3. DbArithmeticExpression 参数必须具有数值通用类型问题的解决

    C#中LINQ to Entities进行日期比较,使用-运算符,比如: list.FirstOrDefault(s =>(DateTime.Now - s.Updated).TotalHour ...

  4. element 树形菜单加title

    <script src="//unpkg.com/vue/dist/vue.js"></script><script src="//unpk ...

  5. Android View的滑动

    Android View的滑动 文章目录 Android View的滑动 一.实现移动 1.1 layout() 1.2 设置位置偏移量 1.3 改变布局参数 1.4 动画 1.5 ScrollTo以 ...

  6. 一个简单的windows勒索软件分析

    根据分析,此病毒是一个勒索软件,通过修改登录用户密码,留下勒索QQ号码向用户索要金钱. 它调用了Kernel32.dll里的WinExec来执行更改用户密码的cmd命令,密码为107289,更改完密码 ...

  7. 前端开发面试题总结之——JAVASCRIPT(三)

    ___________________________________________________________________________________ 相关知识点 数据类型.运算.对象 ...

  8. 我只想要Linux的IP地址

    大家都知道ifconfig 可以查看centos的ip地址,但是我如果只要ip地址该怎么办呢?首先上ifconfig [root@centos ~]# ifconfig eth0 eth0 Link ...

  9. mybatis 动态 SQL 官方文档

    MyBatis 的强大特性之一便是它的动态 SQL.如果你有使用 JDBC 或其它类似框架的经验,你就能体会到根据不同条件拼接 SQL 语句的痛苦.例如拼接时要确保不能忘记添加必要的空格,还要注意去掉 ...

  10. method.invoke()s

    在框架中经常会会用到method.invoke()方法,用来执行某个的对象的目标方法.以前写代码用到反射时,总是获取先获取Method,然后传入对应的Class实例对象执行方法.然而前段时间研究inv ...