spark on yarn的 cluster模式 和 client模式 提交运行流程
spark on yarn的 cluster模式 和 client模式 提交运行流程
---client 模式:
根据上面两个流程图得出：
每一个spark程序打成的jar包就是一个application，jar包提交到集群之后启动进程
①spark driver在客户端，向yarn集群（resourceManager）请求资源，driver端同时初始化DAGSchulder，TaskSchulder，SchulderBackend和HeartbeatReceiver，启动SchedulerBackend 以及 HeartbeatReceiver,driver端划分stage、task。
②yarn集群发送一个nodeManager供spark 程序启动applicationMaster。
③applicationMaster请求到资源后启动相应个数的nodeManager用于运行spark（executor端）程序，SchedulerBackend 开始向applicationMaster请求资源，SchedulerBackend 不断向TaskSchulder获取合适的task分发到executor端。
④每个nodeManager 需要定时向resourceManager向HeartbeatReceiver发送心跳信息，同时向SchedulerBackend 通知executor的执行结果，然后schedulerBackend向TaskScheduler发送task执行情况，TaskScheduler把task执行情况发送给TaskManager，TaskManager记录了task的执行情况。
-----特点（也是cluster模式和client模式的区别）：
①因为driver运行在本地机器上，所以Client模式的客户端不能杀掉。
②因为通常情况下client模式，driver运行在本地和yarn不是在一个机房所以性能不是很好。
③client模式会导致本地机器负责资源的调度，所以会引起网卡流量激增。
---cluster 模式:
根据上面两个流程图得出：
每一个spark程序打成的jar包就是一个application。
①jar包提交到集群之后启动进程,程序在yarn集群的一个nodeManager上向resourceManager请求资源，同时这个nodeManager也是spark程序的applicationMaster（driver端）。这时已经初始化了DAGSchulder，TaskSchulder，SchulderBackend和HeartbeatReceiver，启动SchedulerBackend 以及 HeartbeatReceiver,driver端划分stage、task。
②applicationMaster请求到资源后启动相应个数的nodeManager用于运行spark（executor端）程序。
③SchedulerBackend 开始向applicationMaster请求executor资源，同时和TaskSchulder交互获取合适的task并分发到executor端运行程序。
④每个nodeManager中的executor需要定时向resourceManager（driver端）的HeartbeatReceiver发送心跳信息，同时向SchedulerBackend 通知executor的执行结果，然后schedulerBackend向TaskScheduler发送task执行情况，TaskScheduler把task执行情况发送给TaskManager，TaskManager记录了task的执行情况。
--------特点（也是cluster模式和client模式的区别）：
①因为driver不是运行在本地机器上而是运行在yarn的某一个nodeManager上，所以Cluster模式的客户端可以杀掉。
②因为通常情况下cluster模式driver和yarn集群是在一个机房所以性能很好。
③cluster模式没有流量激增的问题。
spark任务提交运行流程：
|
Application --> 多个job --> 多个stage --> 多个task |
1.Spark的driver端只是用来请求资源获取资源的，executor端是用来执行代码程序，也就是说application是在driver端，而job 、stage 、task都是在executor端。
2.在executor端划分job、划分stage、划分task。
程序遇见action算子划分一次job，每个job遇见shuffle（或者宽依赖）划分一次stage，每个stage中最后一个rdd的分区（分片）数就是task数量。
|--DAGScheduler(有向无环图信息，划分stage)
|--TaskScheduler(存放TaskSet，与SchedulerBackend结合向executor发送task任务)
|--DAGScheduler划分之后得taskSet被TaskScheduler封装成TaskManager，
最后TaskScheduler是以TaskManager为单位发送给SchedulerBackend
|--heartbeatReceiver(心跳连接)
|--ShcedulerBackend(和applicationMaster交互请求资源，和executor端交互获取task运行情况，然后讲结果反馈给TaskScheduler)
|--ApplicationMaster(向yarn的ResourceManager请求资源，获取到资源启动executor并将启动的executor信息反馈给SchedulerBackend)