Spark的资源管理和调度模式
2017-11-23 22:53
204 查看
1.Spark-standalone
Standalone的模式下,spark的资源管理和调度是自己来管理和调度的,主要由master来管理。2.Spark-yarn
ResourceManagerNodeManager
ApplicationMaster
Container(资源)
Task
Hadoop集群上面 Yarn执行任务的流程:
Client提交任务给resourceManager,resourceManager会选择一台机器开启一个container,在container里面开启一个applicationaster服务进程,applicationMaster进行任务的管理和调度,applicationMaster会向resourceManager申请资源,resourcemanager会在其他的机器上开启container进行资源分配。applicationMaster在resourcemanager分配的资源进行任务调度,在container里面运行task(map和
reduce)
Spark集群基于yarn的时候任务的执行流程:
(1)client模式
Client提交任务给resourceManager,在提交任务的时候,在提交任务的那台机器上面开启一个driver服务进程,resourcemanager在接收到client提交的任务以后,在集群中随机选择一台机器分配一个container,在该container里面开启一个applicationmaster服务进程,driver去找applicationmaster,applicationmaster去找resourcemanager申请资源,resourcemanager会分配container,在其中开启excuter,excuter会反向向driver注册,driver把task放入到excuter里面执行。
(2)Cluster模式
Spark集群会在集群中开启一个driver,此时开启就是applicationmaster和driver合二为一了。其他的都相同。
注:Standalone和yarn上运行的业务的执行流程都是相同的,只是资源的分配和管理的方式不一样了。
3.spark-Mesos
方式类似yarn相关文章推荐
- Spark资源调度与任务调度(standalone模式)
- [Spark内核] 第31课:Spark资源调度分配内幕天机彻底解密:Driver在Cluster模式下的启动、两种不同的资源调度方式源码彻底解析、资源调度内幕总结
- spark调度系列----1. spark stanalone模式下Master对worker上各个executor资源的分配
- 第31课: Spark资源调度分配内幕天机彻底解密:Driver在Cluster模式下的启动、两种不同的资源调度方式源码彻底解析、资源调度内幕总结
- Spark资源调度分配内幕解密:Driver在Cluster模式下的启动、两种不同的资源调度方式源码彻底解析、资源调度内幕总结
- Spark资源调度分配解密
- Spark调度机制:2)集群资源注册
- spark源码分析之master资源调度schedule篇
- Spark源码分析之Master资源调度算法原理
- Yarn和Mesos:资源管理调度平台
- spark学习十七 spark standaloe模式下资源的神情与释放
- Spark调度管理(读书笔记)
- spark&yarn&storm的资源管理分配对并发性的考量
- 统一资源管理与调度平台(系统)介绍
- spark学习笔记:spark独立集群模式配置及FIFO调度
- Spark Core_资源调度与任务调度详述
- 域和工作组的区别(1) 局域网上的资源需要管理,“域”和“工作组”就是两种不同的网络资源管理模式。那么二者有何区别呢?看了这篇文章,您就会明白了。
- “戏”说spark---资源调度和任务调度
- Spark之Job调度模式
- Yarn三、YARN 资源管理与调度、参数配置