这期内容当中小编将会给大家带来有关SparkCore的组件Components怎么用，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
创新互联主要从事网页设计、PC网站建设（电脑版网站建设）、wap网站建设（手机版网站建设）、自适应网站建设、程序开发、网站优化、微网站、成都小程序开发等，凭借多年来在互联网的打拼，我们在互联网网站建设行业积累了丰富的成都网站设计、网站制作、外贸营销网站建设、网站设计、网络营销经验，集策划、开发、设计、营销、管理等多方位专业化运作于一体。
Application：SparkContext a driver program + executors Spark-shell 是一个 Application 一个程序里面只能有一个SparkContext Driver program 主要理解为main方法 The process running the main() function of the application and creating the SparkContext Cluster manager --master 设置上去的 Deploy mode 区分Driver 运行在哪里 区分client 还是集群 Worker node 相当于nodemanager Executor（进程）无代码，通过driver发过去的 相当于contain容器 大部分executors自己管自己独立，也有共享的 A process launched for an application on a worker node, that runs tasks and keeps data in memory or disk storage across them. Each application has its own executors. Task 一个工作单元，可以发送到executor 上去 A unit of work that will be sent to one executor Job 触发action产生 task并行执行，遇到action产生job main program 也叫 driver program cluster managers 集群管理器
解释：下图 刚开始需要申请资源，后来是传代码运行，发送到executor spark 应用程序独立的运行在集群上，在program 运行sparkcontext 在集群上运行，sc连接到集群管理器，sc 去获取应用程序要的资源 一旦连接，spark请求集群上的executors资源， 在executors 资源中计算和存储数据对于你的应用程序 接下里会发送代码通过sc，发送到executors,最终task会在 executors 中运行
右 n jobs 包含 n stages 包含 n tasks stage默认就一个除非遇到shuffer 最终： application = n jobs + n stages + n tasks
agnostic 不知道 executor 与driver间有通信，防止挂了 资源管理器申请资源 action产生job 每个应用程序有它自己的应用进程，executor一直保持整个应用程序，并且 task在里面一直运行，对于互相有好处，一方面是调度反面（每个应用调度有它自己 的task）,另一个方面是executor里面运行的task运行在自己的JVM中不影响互相 但是，它也意味着数据不可以共享对于不同的应用程序，但是你要写到 外部系统可以共享 spark是不用关心你运行在什么模式上 这个应用程序必须监听和接受executo的通知，保持活性，防止挂掉 任务放在集群上，最好放在离worker 近的位置，特别同一个网络
上述就是小编为大家分享的SparkCore的组件Components怎么用了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。
