《Spark数据分析：基于Python语言 》 —3.1.2　Spark工作节点与执行器

3.1.2　Spark工作节点与执行器

Spark执行器是运行Spark的DAG中的任务的进程。执行器会占用Spark集群的从节点（工作节点）上的CPU和内存资源。每个执行器都是特定的Spark应用专用的，当应用完成时退出。一个Spark程序通常有多个执行器并行工作。

执行器运行在工作节点上，而每个工作节点在同一时间内能启动的执行器数量是有限/额定的。因此，对于一个规模固定的集群来说，同一时间能启动的执行器数量也是有限的。如果一个应用请求了超过集群剩余物理容量的执行器数量，就需要等待已启动的执行器完成并释放资源。

本章已经介绍过，Spark执行器运行在JVM上。每个执行器所使用的JVM都有一个堆（heap），是用来存储和管理对象的专用的内存空间。

各个执行器的JVM堆的内存大小可以通过spark.executor.memory属性设置，也可以通过pyspark、spark-shell或spark-submit的--executor-memory参数设置。

执行器把任务的输出数据存储在内存或硬盘里。需要注意的是，工作节点和执行器只负责执行分配给它们的任务，而应用是由所有任务的集合和它们之间的依赖关系组成的，这部分由驱动器进程负责理解。

通过访问4040端口上的Spark应用用户界面，用户可以查看应用的所有执行器，如图3.4所示。

图3.4　Spark应用用户界面的执行器标签页

对于Spark独立集群的部署方式来说，工作节点会在端口8081上提供用户界面，如图3.5所示。

图3.5　Spark工作节点用户界面