Spark名詞解釋及關(guān)系
隨著對spark的業(yè)務(wù)更深入，對spark的了解也越多，然而目前還處于知道的越多，不知道的更多階段，當(dāng)然這也是成長最快的階段。這篇文章用作總結(jié)最近收集及理解的spark相關(guān)概念及其關(guān)系。
名詞
driver
driver物理層面是指輸入提交spark命令的啟動(dòng)程序，邏輯層面是負(fù)責(zé)調(diào)度spark運(yùn)行流程包括向master申請資源，拆解任務(wù)，代碼層面就是sparkcontext。
worker
worker指可以運(yùn)行的物理節(jié)點(diǎn)。
executor
executor指執(zhí)行spark任務(wù)的處理程序，對java而言就是擁有一個(gè)jvm的進(jìn)程。一個(gè)worker節(jié)點(diǎn)可以運(yùn)行多個(gè)executor，只要有足夠的資源。
job
job是指一次action，rdd(rdd在這里就不解釋了)操作分成兩大類型，一類是transform，一類是action，當(dāng)涉及到action的時(shí)候，spark就會(huì)把上次action之后到本次action的所有rdd操作用一個(gè)job完成。
stage
stage是指一次shuffle，rdd在操作的時(shí)候分為寬依賴(shuffle dependency)和窄依賴(narraw dependency)，如下圖所示。而寬依賴就是指shuffle。
應(yīng)某人要求再解釋一下什么是窄依賴，就是父rdd的每個(gè)分區(qū)都只作用在一個(gè)子rdd的分區(qū)中，原話是這么說的 each partition of the parent RDD is used by at most one partition of the child RDD。
task
task是spark的最小執(zhí)行單位，一般而言執(zhí)行一個(gè)partition的操作就是一個(gè)task，關(guān)于partition的概念，這里稍微解釋一下。
spark的默認(rèn)分區(qū)數(shù)是2，并且最小分區(qū)也是2，改變分區(qū)數(shù)的方式有很多，大概有三個(gè)階段
1.啟動(dòng)階段，通過 spark.default.parallelism 來初始化默認(rèn)分區(qū)數(shù)
2.生成rdd階段，可通過參數(shù)配置
3.rdd操作階段，默認(rèn)繼承父rdd的partition數(shù)，最終結(jié)果受shuffle操作和非shuffle操作的影響，不同操作的結(jié)果partition數(shù)不同
名詞關(guān)系
物理關(guān)系
官網(wǎng)給出的spark運(yùn)行架構(gòu)圖
邏輯關(guān)系
下圖是總結(jié)的邏輯關(guān)系圖，如果有不對之處，還望提醒。
