Spark运行模式详解

Spark概述

Spark 可以在多种不同的运行模式下执行，每种模式都有其自身的特点和适用场景。

部署Spark集群大体上分为两种模式：单机模式与集群模式。大多数分布式框架都支持单机模式，方便开发者调试框架的运行环境。但是在生产环境中，并不会使用单机模式。

Spark目前支持的部署模式。

• （1）Local模式：在本地部署单个Spark服务

• （2）Standalone模式：Spark自带的任务调度模式。（国内不常用）

• （3）YARN模式：Spark使用Hadoop的YARN组件进行资源与任务调度。（国内最常用）
  

• （4）Mesos模式：Spark使用Mesos平台进行资源与任务的调度。（国内很少用）

1.Local 模式

• 在本地模式下，Spark 将在单个 JVM 进程中运行，通常用于开发、测试和小规模数据处理。
• 在本地模式下，Spark 不需要启动集群，而是直接在本地计算机上执行任务。

2.YARN 模式（常用）

• YARN（Yet Another Resource Negotiator）
  是 Apache Hadoop 的资源管理器，可以用来在 Hadoop 集群上管理资源和调度任务。

• Spark 可以作为 YARN 上的一个应用程序运行，在 YARN 模式下，Spark 将利用 YARN 来管理集群资源和调度任务。

在 Spark 中，YARN 模式下有两种常见的运行模式：yarn-client 和 yarn-cluster。它们的主要区别在于 Driver 程序的运行节点。

（1）yarn-client模式

• 在 yarn-client 模式下，Driver 程序运行在提交 Spark 应用程序的客户端机器上。
• 这意味着 Driver 程序直接与 YARN ResourceManager 通信，并向其请求资源并启动 ApplicationMaster。
• 一旦 ApplicationMaster 启动成功，它会协调在 YARN 集群中启动的 Executor 进程，并与它们通信以执行任务。

yarn-client 模式的优点是方便调试和监控，因为 Driver 程序直接运行在客户端机器上，可以直接查看其日志并与其交互。
然而，由于 Driver 程序运行在客户端机器上，它可能会成为性能瓶颈，尤其是当客户端机器的资源有限时。

（2）yarn-cluster 模式：

• 在yarn-cluster模式下，Driver 程序运行在 YARN 集群中作为一个独立的应用程序。
• 当用户提交 Spark 应用程序时，Driver 程序会作为一个 YARN ApplicationMaster 启动在集群中，并由 YARN ResourceManager 分配资源。
• 一旦 ApplicationMaster 启动成功，它会协调在集群中启动的 Executor 进程，并与它们通信以执行任务。

yarn-cluster 模式的优点是可以更好地利用集群资源，并且 Driver 程序不会成为单点故障。

因为 Driver 程序运行在集群中，所以即使客户端机器宕机也不会影响 Spark 应用程序的执行。

但是，调试和监控会稍微复杂一些，因为 Driver 程序运行在集群中，需要查看集群中的日志和监控信息。

yarn-client 模式适用于调试和监控要求较低、资源较为充足的情况，而 yarn-cluster 模式适用于对资源利用率和容错性要求较高的情况。

---

3.Standalone 模式

• Spark 的独立模式是一种简单的集群管理器，可以用来在独立的 Spark 集群上运行应用程序。在这种模式下，用户需要手动启动和管理 Spark 集群中的各个组件，如主节点和工作节点。
• Standalone模式是Spark自带的资源调度引擎，构建一个由Master + Worker构成的Spark集群，Spark运行在集群中。
• 这个要和Hadoop中的Standalone区别开来。这里的Standalone是指只用Spark来搭建一个集群，不需要借助Hadoop的Yarn和Mesos等其他框架。
  

4.Apache Mesos 模式：

• Apache Mesos 是一个通用的集群管理器，可以用来管理多种类型的工作负载，包括 Spark 应用程序。
• 在 Mesos 模式下，Spark 可以作为 Mesos 上的一个框架运行，利用 Mesos 提供的资源管理和调度功能来运行任务。
• Spark客户端直接连接Mesos；不需要额外构建Spark集群。国内应用比较少，更多的是运用Yarn调度。