Apache Spark-1.0.0浅析（一）：引子

Apache Spark版本迭代速度很快，但是基本框架和经典组件保持这统一模式，所以学习Spark源码，我选择的是Apache Spark-1.0.0版本，通过分析几个主要模块的工作原理，理解Spark的运行过程。

通过LocalWordCount程序，调试Spark源码：

LocalWordCount首先通过SparkConf设置Master和AppName，然后以SparkConf为参数实例化SparkContext，通过SparkContext读取本地文件，分割文本计算单词数量，最后打印结果。

package org.apache.spark.examples

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._

object LocalWordCount {
  def main(args: Array[String]) = {
    val sparkConf = new SparkConf().setMaster("local").setAppName("Local Word Count")
    val sc = new SparkContext(sparkConf)
    val file = sc.textFile("README.md")
    val count = file.flatMap(line => line.split(" "))
                    .map(word => (word, 1))
                    .reduceByKey(_ + _)
    count foreach println
  }
}

Apache Spark源码编译并导入Intellij IDEA，请参见：http://8liang.cn/intellij-idea-spark-development/

参考@JerryLead绘制的Spark-0.7架构图，Apache Spark整体上可以分为四个模块：Scheduler、RDD、Deploy和Storage，以及一些其他的小组件。

• Scheduler：资源调度
• RDD：操作运算
• Deploy：部署方式
• Storage：数据存储

Spark采用Master-Slave结构，Master和Slave之间以及各子模块之间的通信，采用Scala Actor的方式。

 

END