理解Spark运行模式（三）

下面具体还是用计算PI的程序来说明，examples中该程序有三个版本，分别采用Scala、Python和Java语言编写。本次用Java程序JavaSparkPi做说明。

复制代码
1 package org.apache.spark.examples;
2 
3 import org.apache.spark.api.java.JavaRDD;
4 import org.apache.spark.api.java.JavaSparkContext;
5 import org.apache.spark.sql.SparkSession;
6 
7 import java.util.ArrayList;
8 import java.util.List;
9 
10 /**
11  * Computes an approximation to pi
12  * Usage: JavaSparkPi [partitions]
13  */
14 public final class JavaSparkPi {
15 
16   public static void main(String[] args) throws Exception {
17     SparkSession spark = SparkSession
18       .builder()
19       .appName("JavaSparkPi")
20       .getOrCreate();
21 
22     JavaSparkContext jsc = new JavaSparkContext(spark.sparkContext());
23 
24     int slices = (args.length == 1) ? Integer.parseInt(args[0]) : 2;
25     int n = 100000 * slices;
26     List<Integer> l = new ArrayList<>(n);
27     for (int i = 0; i < n; i++) {
28       l.add(i);
29     }
30 
31     JavaRDD<Integer> dataSet = jsc.parallelize(l, slices);
32 
33     int count = dataSet.map(integer -> {
34       double x = Math.random() * 2 - 1;
35       double y = Math.random() * 2 - 1;
36       return (x * x + y * y <= 1) ? 1 : 0;
37     }).reduce((integer, integer2) -> integer + integer2);
38 
39     System.out.println("Pi is roughly " + 4.0 * count / n);
40 
41     spark.stop();
42   }
43 }
复制代码
程序逻辑与之前的Scala和Python程序一样，就不再多做说明了。对比Scala、Python和Java程序，同样计算PI的逻辑，程序分别是26行、30行和43行，可以看出编写Spark程序，使用Scala或者Python比Java来得更加简洁，因此推荐使用Scala或者Python编写Spark程序。

下面来以STANDALONE方式来执行这个程序，执行前需要启动Spark自带的集群服务（在master上执行$SPARK_HOME/sbin/start-all.sh），最好同时启动spark的history server，这样即使在程序运行完以后也可以从Web UI中查看到程序运行情况。启动Spark的集群服务后，会在master主机和slave主机上分别出现Master守护进程和Worker守护进程。而在Yarn模式下，就不需要启动Spark的集群服务，只需要在客户端部署Spark即可，而STANDALONE模式需要在集群每台机器都部署Spark。

输入以下命令：

[root@BruceCentOS4 jars]# $SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master spark://BruceCentOS.Hadoop:7077 $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar

以下是程序运行输出信息部分截图，

开始部分：



  中间部分：



  结束部分：





从上面的程序输出信息科看出，Spark Driver是运行在客户端BruceCentOS4上的SparkSubmit进程当中的，集群是Spark自带的集群。

SparkUI上的Executor信息：



  BruceCentOS4上的客户端进程（包含Spark Driver）：



  BruceCentOS3上的Executor进程：



BruceCentOS上的Executor进程：



  BruceCentOS2上的Executor进程：





下面具体描述下Spark程序在standalone模式下运行的具体流程。

这里是一个流程图：









SparkContext连接到Master，向Master注册并申请资源（CPU Core 和Memory）。
Master根据SparkContext的资源申请要求和Worker心跳周期内报告的信息决定在哪个Worker上分配资源，然后在该Worker上获取资源，然后启动CoarseGrainedExecutorBackend。
CoarseGrainedExecutorBackend向SparkContext注册。
SparkContext将Applicaiton代码发送给CoarseGrainedExecutorBackend；并且SparkContext解析Applicaiton代码，构建DAG图，并提交给DAG Scheduler分解成Stage（当碰到Action操作时，就会催生Job；每个Job中含有1个或多个Stage，Stage一般在获取外部数据和shuffle之前产生），然后以Stage（或者称为TaskSet）提交给Task Scheduler，Task Scheduler负责将Task分配到相应的Worker，最后提交给CoarseGrainedExecutorBackend执行。
CoarseGrainedExecutorBackend会建立Executor线程池，开始执行Task，并向SparkContext报告，直至Task完成。
所有Task完成后，SparkContext向Master注销，释放资源。
最后来看Local运行模式，该模式就是在单机本地环境执行，主要用于程序测试。程序的所有部分，包括Client、Driver和Executor全部运行在客户端的SparkSubmit进程当中。Local模式有三种启动方式。

#启动1个Executor运行任务（1个线程）

[root@BruceCentOS4 ~]#$SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master local $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar

#启动N个Executor运行任务（N个线程），这里N=2

[root@BruceCentOS4 ~]#$SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master local[2] $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar

#启动*个Executor运行任务（*个线程），这里*指代本地机器上的CPU核的个数。

[root@BruceCentOS4 ~]#$SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master local[*] $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar