本文共 1118 字，大约阅读时间需要 3 分钟。

MapReduce on YARN的工作流程：加载数据，执行map，shuffle，reduce，将结果写入持久化存储。

Spark on YARN的工作流程：spark中一个job包含多个stage，而非只有map和reduce，application包含多个job。

Spark工作原理

用户通过spark-sumbit提交spark application后，会启动相对应的spark driver进程，从YARN分配得到container，动态的分配executor，spark层面并不能动态的调整从Yarn分配的container资源（container是Yarn分配资源的基本单位，yarn对container分配的资源控制体现在vcore和memory上）。Yarn根据spark.executor.memory和spark.executor.cores等参数指定的要求的大小分配executor运行的container。num-executors指定executor的数量。资源申请成功后，driver进程将spark作业转化为多个stage。每个stage执行一批task（task是最小的计算单元，负责执行一模一样的计算逻辑），stage执行完毕后，会在各节点本地磁盘写入中间结果，调度下一个stage，下一个stage的task输入数据是上一个stage输出的中间结果。

Spark-submit提交任务是对应的相关参数如下：

--driver-memory

--executor-memory

--driver-cores

--executor-cores

--driver-cores

--queue

--number-executors

备注（这些参数spark on Yarn都支持，有些参数比如--total-executor-cores之类的spark standalone和Mesos支持，具体参数支持情况执行spark-submit --help查看）

Executor内存的分配

--executor-memory中指定的内存或者spark.executor.memory默认的内存有三个用途：

1.Task执行用户编写的代码时使用

2.Task通过shuffle获取上一个stage的task输出，进行聚合等操作

  spark.shuffle.memoryFraction，默认0.2

3.RDD持久化使用

  spark.storage.memoryFraction，默认0.6

转载地址：http://jdyxi.baihongyu.com/