Spark Streaming 如何在驱动程序和执行程序之间调度映射任务？

Posted 2023-04-17

【中文标题】Spark Streaming 如何在驱动程序和执行程序之间调度映射任务？

【英文标题】：How does Spark Streaming schedule map tasks between driver and executor?

【发布时间】：2018-07-06 17:30:16

【问题描述】：

我使用 Apache Spark 2.1 和 Apache Kafka 0.9。

我有一个 Spark Streaming 应用程序，它使用 20 个执行程序运行，并从 Kafka 读取数据，该 Kafka 具有 20 个分区。此 Spark 应用程序仅执行 map 和 flatMap 操作。

Spark 应用程序的作用如下：

从 kafka 创建一个以 15 秒为间隔的直接流 执行数据验证 使用仅映射的 Drool 执行转换。没有减少转换 使用 check-and-put 写入 HBase

我想知道executor和partition是1-1映射的，是每个executor独立执行上述步骤并独立写入HBase，还是数据会在多个executor中打乱，驱动和executor之间进行操作？

【参考方案1】：

Spark 作业提交只能在 executor 上执行的任务。换句话说，执行者是唯一可以执行任务的地方。司机要协调任务并相应地安排它们。

话虽如此，我想说的是：

每个执行者会独立执行上述步骤并独立写入HBase

---

顺便说一句，答案与使用的 Spark 版本无关。一直都是这样（看不出有什么理由会改变，甚至应该改变）。