Spark 1.6可以配置为使用AKKA或Netty for RPC。如果配置了Netty，这是否意味着Spark运行时不使用actor模型进行消息传递（例如，在worker和驱动程序块管理器之间），或者甚至在netty配置的情况下，依赖于Netty使用自定义简化actor模型。
我认为AKKA本身依赖于netty而Spark只使用了AKKA的一部分。但是，与netty相比，配置AKKA对于可扩展性（就工人数而言）更好吗？有关这种特殊火花配置的任何建议吗？
答案 0 :(得分：4)
添加到@ user6910411s指针，该指针很好地解释了设计决策。
由link解释灵活性和消除对Akka的依赖是设计决策..
问题：
我认为AKKA本身依赖于netty而Spark只使用了一部分 AKKA。仍然，配置AKKA对于可扩展性更好（就其而言 工人数量与净额相比？对此有任何建议 特别是火花配置？
是可以将Spark 1.6配置为使用AKKA或Netty for RPC。
可以通过spark.rpc进行配置，即val rpcEnvName = conf.get("spark.rpc", "netty")，即默认值：netty。
这里有更多的见解，比如何去寻找......
Akka和Netty都处理异步处理和消息处理，但它们在W.R.T scalablity的不同级别工作。
Akka 是 更高级别框架 ，用于构建事件驱动，可伸缩，容错的应用程序。它侧重于用于消息处理的Actor类。演员有等级安排，父母演员负责监督他们的儿童演员。
Netty 也适用于消息，但它是稍低级别，并且更多地处理网络问题。它的核心是NIO。 Netty具有许多使用各种协议（如HTTP，FTP，SSL等）的功能。此外，您还可以对线程模型进行更细粒度的控制。
Netty实际上是在Akka w.r.t中使用的。分布式演员。
所以尽管它们都是异步的和面向消息，有 Akka你在你的问题领域中更抽象地思考，并且 Netty你更关注网络实施。
spark.rpc标志，我的意思是val rpcEnvName = conf.get("spark.rpc", "netty")不可用。在Spark2.0 code see RpcEnv.scala。