Spark学习
-本系列学习书籍《Spark内核设计的艺术：架构设计与实现》--耿嘉安
一.本文内容：概括性讲述Spark的设计理念和基本架构
二.Spark设计理念
1.Spark包含很多子模块，理解这些模块有助于我们掌握Spark的设计思想。Spark的模块按照重要程度可分为核心功能和扩展功能。核心功能是Spark设计理念的核心实现，也是Spark陆续加入新功能的基础。在核心功能之上，通过不断地将丰富的扩展功能持续集成到Spark中，使得Spark满足更多市场、应用和用户的需求，促使Spark生态圈更加繁荣。
2.Spark在编程模型方面没有采用Hadoop的MapReduce编程模型，而是封装了丰富的转换与执行的API。开发人员可以充分利用这些API编写自己的Spark应用程序，而不用拘泥于如何套用MapReduce编程模型中的Mapper或Reducer。Spark提供的转换API将会在底层将数据封装为RDD，并对这些RDD进行转换、构建血缘、构建DAG、分片划分等处理，这些过程都是透明的，使得开发人员能更加专注于自己的业务实现。
3.Spark的模块设计：整个Spark主要由Spark Coke、Spark SQL、Spark Streaming、GraphX、MLlib组成，而后四项的能力都是建立在核心引擎之上
1）Spark核心功能：Spark Core中提供了Spark最基础与最核心的功能
（1）基础设施
（2）SparkContext
（3）SparkEnv
（4）存储体系
（5）调度系统
（6）计算引擎
2）Spark扩展功能
（1）Spark SQL
（2）Spark Streaming
（3）GraphX
（4）MLlib
4.Spark的模型设计：
1）Spark编程模型
2）RDD计算模型
三.Spark的基本架构
1.从集群部署的角度来看，Spark集群由集群管理器（Cluster Manager）、工作节点（Worker）、执行器（Executor）、驱动器（Driver）、应用程序（Application）等部分组成

  （1）Cluster Manager：Spark的集群管理器，主要负责对整个集群资源的分配与管理。Cluster Manager在YARN部署模式下为ResourceManager；在Mesos部署模式下为MesosMaster；在Standalone部署模式下为Master。Cluster Manager分配的资源属于一级分配，它将各个Worker上的内存、CPU等资源分配给Application，但是并不负责对Executor的资源分配。
  （2）Worker：Spark的工作节点。在YARN部署模式下实际由NodeManager替代。
  （3）Executor：执行计算任务的一线组件。主要负责任务的执行及与Worker、Driver的信息同步。
  （4）Driver：Application的驱动程序，Application通过Driver与Cluster Manager、Executor进行通信。Driver可以运行在Application中，也可以由Application提交给ClusterManager并由Cluster Manager安排Worker运行。
  （5）Application：用户使用Spark提供的API编写的应用程序，Application通过Spark API将进行RDD的转换和DAG的构建，并通过Driver将Application注册到Cluster Manager。Cluster Manager将会根据Application的资源需求，通过一级分配将Executor、内存、CPU等资源分配给Application。Driver通过二级分配将Executor等资源分配给每一个任务，Application最后通过Driver告诉Executor运行任务。