Spark独立集群Worker和Executor的概念

.

（一）Spark独立集群Worker和Executor的概念

1.1 Worker（容器）

工作节点，相当于工作站，一台虚拟的计算机，有自己的CPU核心数，内存数。
我们把Worker假设成一台计算机，那么CPU核心数（假设2核），内存数（假设32GB）就是它的硬件条件。
实际上在Spark里面是这些配置决定的：

export SPARK_WORKER_CORES=2
export SPARK_WORKER_MEMORY=32g

1.2 Executor（程序）

工作程序，相当于计算机上运行的一个程序，有它要求CPU核心数，要求的内存数。
我们把Executor假设成一个程序，那么它需要运行在计算机上，它它对CPU核心数（假设1核），内存数（假设4GB），就是它运行的基本要求。

PS:同理driver也是个程序。

我们提交时可以指定这些参数：

SparkLauncher aL = new org.apache.spark.launcher.SparkLauncher()
				.setXXX(...)
                .setConf(SparkLauncher.DRIVER_MEMORY, "4g")
                .setConf(SparkLauncher.EXECUTOR_MEMORY,"4g")
                .setConf(SparkLauncher.EXECUTOR_CORES,"1")

1.3 无法满足条件的Worker不工作

如果EXECUTOR_MEMORY，EXECUTOR_CORES参数指定超过了某些Worker的配置，
则这些Work不会参加到这个任务的计算中。

如果EXECUTOR_MEMORY，EXECUTOR_CORES参数指定超过了全部Worker的配置，
那么集群中就没有资源可以供这个任务使用了，任务会无限等待下去，等待可用资源。

每个worker可以配置多个CPU核心，一定量的内存。
根据主机实际情况进行配置，比如我这里：

---

💎这不是问题，只是个概念。

.