Flink VS Spark 部署模式对比 |
您所在的位置:网站首页 › spark和flink区别 › Flink VS Spark 部署模式对比 |
本文主要对Flink和Spark集群的standalone模式及on yarn模式进行分析对比。Flink与Spark的应用调度和执行的核心区别是Flink不同的job在执行时,其task同时运行在同一个进程TaskManager进程中;Spark的不同job的task执行时,会启动不同的executor来调度执行,job之间是隔离的。 Standalone模式Flink 和Spark均支持standalone模式(不依赖其他集群资源管理和调度)的部署,启动自身的Master/Slave架构的集群管理模式,完成应用的调度与执行。 Flink standalone-flink.jpgSpark standalone-spark.jpb.jpgOn-yarn模式 Flink on Yarn 模式,其ApplicationMaster实现对JobManager的封装,作为该job的核心,完成executionGraph的生成,task的分发,运行结果的处理等;而YarnTaskManager则继承至TaskManager,完成task的运行。 Spark on Yarn 模式下,根据driver及业务逻辑运行的进程不同分为yarn-client和yarn-cluster模式; Flink on Yarnyarn-cluster模式 Yarn-cluster模式下,Flink提交应用至Yarn集群,类似MR job,运行完后结束 yarn-cluster_flink.jpgyarn-session模式 Yarn-session模式下,首先向Yarn提交一个长时运行的空应用,运行起来之后,后分别启动YarnApplicationMasterRunner/ApplicationMaster/JobManager,和N个YarnTaskManager/Container,但此时没有任务运行; 其他Flink客户端可通过制定ApplicationId的方式提交Flink Job到此JobManager,由该JobManager完成应用的解析和调度执行。 yarn-session_flink.jpg Spark on YarnYarn-client和yarn-cluster的主要区别在于driver运行的进程不一样: 在yarn-client模式下,driver及业务代码逻辑运行在yarn client进程中,与applicationMaster及executor交互完成应用的调度和执行。 在Yarn-cluster模式下,应用提交至Yarn集群后,yarn client进程可以退出,driver及业务代码逻辑运行在applicationMaster进程中,与executor完成应用的调度执行。Yarn-client yarn-client_spark2.jpgYarn-cluster yarn-cluster_spark.jpgPS : Flink和Spark在On yarn模式下的各进程核心功能对比如下 应用模块 Flink(yarn-cluster) Flink(yarn-session) Spark(Yarn-client) Spark (yarn-cluster) job提交 flink client flink client spark client spark client job逻辑解析与调度 YarnApplicationMasterRunner yarn-session中的YarnApplicationMasterRunner spark client (driver) ApplicationMaster task的执行 YarnTaskManager yarn-session中的YarnTaskManager Executor Executor |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |