[3] -集群启动流程、任务提交流程以及checkpoint

1、集群启动流程和任务提交流程概述

spark任务生成和提交过程(详细：降龙十八掌)

2、checkpoint检查点

2.1)、checkpoint的应用场景:
在应用程序的执行过程中,有时候某些RDD的数据需要在其它地方多次用到(包括其它job中用到),
为了使得整个依赖链条,不至于很长导致执行缓慢,可以用checkpoint来缩短依赖链条.
最好把数据checkpoint到HDFS,保证了数据的安全性,便于在用数据的时候进行拉取.

执行过程:
在代码层面是这样执行的,如果用到某个RDD的数据的时候,首先会检查是否做了缓存,如果做了缓存,
会直接从缓存里面取数据,如果没有做缓存,则判断是否做了checkpoint,如国做了checkpoint,则从
checkpoint的指定路径下获取数据,如果没有checkpoint,只能重新计算得到数据.

2.2)、checkpoint的具体实现步骤:
1.设置一个checkpoint的目录
setCheckPointDir(“hdfs://node1:8020/cp-2019-01-05-1”)
2.把要checkpoint的RDD的数据进行cache
rdd.persist
3.checkpoint
rdd.checkpoint