Spark on Yarn作業(yè)執(zhí)行流程是怎樣的?

　　Apache Spark是一個分布式計算框架，而YARN(Yet Another Resource Negotiator)是Hadoop生態(tài)系統(tǒng)中的資源管理器。在使用Spark on YARN時，Spark作業(yè)的執(zhí)行流程如下所示：

　　1.提交作業(yè)：

　　用戶通過Spark提交作業(yè)到Y(jié)ARN集群。作業(yè)可以是Spark應(yīng)用程序(使用 SparkContext 或 SparkSession)或者 Spark SQL查詢。

　　2.資源申請：

　　YARN ResourceManager接收到作業(yè)提交請求后，分配一個ApplicationMaster(AM)給該作業(yè)。AM負(fù)責(zé)管理作業(yè)的執(zhí)行。

　　3.ApplicationMaster啟動：

　　YARN在集群中選擇一個節(jié)點(diǎn)來啟動ApplicationMaster。ApplicationMaster負(fù)責(zé)與ResourceManager通信，協(xié)調(diào)作業(yè)的執(zhí)行，以及申請和分配資源。

　　4.資源分配：

　　ApplicationMaster向ResourceManager請求執(zhí)行作業(yè)所需的資源，包括CPU、內(nèi)存和其他相關(guān)資源。ResourceManager根據(jù)集群的資源狀況和作業(yè)的需求來分配資源。

　　5.任務(wù)調(diào)度：

　　一旦資源分配完成，ApplicationMaster開始調(diào)度作業(yè)的任務(wù)。Spark on YARN使用Spark的調(diào)度器來決定如何將作業(yè)拆分成不同的任務(wù)，并在集群中的節(jié)點(diǎn)上啟動這些任務(wù)。

　　6.任務(wù)執(zhí)行：

　　每個任務(wù)在分配到的資源上執(zhí)行Spark代碼。這些任務(wù)可能包括數(shù)據(jù)加載、轉(zhuǎn)換、計算和輸出等操作，根據(jù)作業(yè)的邏輯而定。

　　7.數(shù)據(jù)讀取和計算：

　　Spark作業(yè)會從數(shù)據(jù)源讀取數(shù)據(jù)，對數(shù)據(jù)進(jìn)行轉(zhuǎn)換和計算，并生成相應(yīng)的結(jié)果。

　　8.結(jié)果輸出：

　　計算完成后，Spark作業(yè)可能會將結(jié)果寫入文件系統(tǒng)、數(shù)據(jù)庫或者其他存儲系統(tǒng)中，以供后續(xù)分析或應(yīng)用程序使用。

　　9.監(jiān)控和管理：

　　YARN和Spark提供了各種工具來監(jiān)控作業(yè)的執(zhí)行情況和資源使用情況。用戶可以通過YARN ResourceManager UI、Spark UI等來查看作業(yè)的狀態(tài)、進(jìn)度和日志信息，并對作業(yè)進(jìn)行管理和調(diào)優(yōu)。

　　10.作業(yè)完成：

　　一旦作業(yè)執(zhí)行完成，ApplicationMaster會向ResourceManager發(fā)送作業(yè)完成的通知，并釋放所占用的資源。用戶可以根據(jù)作業(yè)的執(zhí)行結(jié)果來進(jìn)行后續(xù)的分析和處理。

　　總體來說，Spark on YARN的作業(yè)執(zhí)行流程包括資源申請、任務(wù)調(diào)度、任務(wù)執(zhí)行和結(jié)果輸出等步驟，通過 YARN和Spark的協(xié)同工作，實現(xiàn)了高效的分布式計算。