Spark与flink计算引擎工作原理
Spark是大批量分布式计算引擎框架，scale语言开发的，核心技术是弹性分布式数据集（RDD）可以快速在内存中对数据集进行多次迭代，支持复杂的数据挖掘算法及图形计算算法，spark与Hadoop区别主要是spark多个作业之间数据通信是基于内存的，Hadoop是基于磁盘的
Spark运行架构：
Spark框架的核心是一个计算引擎，采用了标准master-slave的结构。如下图所示，它展示了一个 Spark 执行时的基本结构。图形中的Driver表示 master，负责管理整个集群中的作业任务调度。Executor则是 slave，负责实际执行任务。
Spark搭建模式：
Local本地模式：单机本地使用多线程实现分布式计算,一般测试环境使用
standalone:
spark ON Yarn 常用（推荐），在实际开发中，大数据任务都有统一的资源管理和任务调度工具进行管理，YARN比较成熟，支持多种调度策略，例如Capcity等，可以使用YARN调度管理MR/Hive/spark/flink
spark ON Yarn本质是spark任务的字class字节码文件打包成jar包，上传到YARN集群的JVM中去运行，Spark On Yarn根据Driver运行在哪里分为2种模式:client模式和cluster模式
client模式：
spark的driver驱动程序，运行在提交任务的客户端上，和集群通信成本比较高
因为driver的在客户端，所以driver中的程序结果输出可以在客户端控制台看到
ApplicationMaster介绍
Hadoop用户向YARN集群提交应用程序时,提交程序中包含ApplicationMaster，用于向资源调度器申请执行任务的资源容器Container，运行用户自己的程序任务job，监控整个任务的执行，跟踪整个任务的状态，处理任务失败等异常情况。ResourceManager（资源）和Driver（计算）之间的解耦合靠的就是ApplicationMaster。
cluster模式：spark的driver驱动程序，运行在Yarn集群上，和集群通信成本比较低
driver是提交给yarn管理的，如果失败会由Yarn重启，driver中的程序输出需要在Yarn日志查看
spark常用术语:
Application:是指用户编写的Spark应用程序，其中包括一个Driver功能的代码和分布在集群中多个节点上运行的Executor代码
Driver:Spark中的Driver是运行上述Application的main函数，运行main函数会创建SparkContext，创建SparkContext的目的是为了准备Spark应用程序的运行环境，在Spark中SparkContext负责与ClusterManager通信，进行资源申请、任务的分配和监控等，当Executor部分运行完毕后，Driver同时负责将SparkContext关闭，通常用SparkContext代表Driver
ClusterManager集群管理器，对于YARN模式就是resourceManager/ApplicationMaster，在集群上做统一资源管理
Worker:工作节点，是拥有CPU/内存等资源的机器，集群中任何可以运行Application代码的节点，在Standalone模式中指的是通过slave文件配置的Worker节点，在Spark on Yarn模式下就是NoteManager节点
Executor:Application运行在worker节点上的一个进程，该进程负责运行某些Task， 并且负责将数据存到内存或磁盘上，每个Application都有各自独立的一批Executor， 在Spark on Yarn模式下，其进程名称为CoarseGrainedExecutor Backend。一个CoarseGrainedExecutor Backend有且仅有一个Executor对象， 负责将Task包装成taskRunner,并从线程池中抽取一个空闲线程运行Task， 这个每一个oarseGrainedExecutor Backend能并行运行Task的数量取决与分配给它的cpu个数
Task:被送到某个Executor上的工作单元，hadoopMR中的MapTask和ReduceTask概念一样，是运行Application的基本单位，多个Task组成一个Stage，而Task的调度和管理等是由TaskScheduler负责
Job:包含多个Task组成的并行计算，往往由Spark Action触发生成， 一个Application中往往会产生多个Job
Stage:每个Job会被拆分成多组Task， 作为一个TaskSet， 其名称为Stage，Stage的划分和调度是有DAGScheduler来负责的，Stage有非最终的Stage（Shuffle Map Stage）和最终的Stage（Result Stage）两种，Stage的边界就是发生shuffle的地方
DAG：
flink架构
https://nightlies.apache.org/flink/flink-docs-release-1.13/zh/docs/concepts/flink-architecture/