• Spark on yarn模式


    1.配置

    安装Hadoop:需要安装HDFS模块和YARN模块,spark运行时要把jar包放到HDFS上。

    安装Spark:不需要启动Spark集群,在client节点配置中spark-env.sh添加JDK和HADOOP_CONF_DIR目录,Spark程序将作为yarn的客户端用户提交任务。

    export JAVA_HOME=/usr/local/jdk1.8.0_161
    
    export HADOOP_CONF_DIR=/usr/local/src/hadoop-2.6.1/etc/hadoop

    启动HDFS和YARN

     2.yarn-client和yarn-cluster提交任务的方式

    client模式:

    ./bin/spark-submit

    --master yarn

    --driver-memory 1g

    --executor-memory 1g

    --executor-cores 2

    --class org.apache.spark.examples.SparkPi

    examples/jars/spark-examples_2.11-2.0.2.jar

    1000

    --master yarn(默认client模式) 等价于 yarn-client(已弃用)和--master yarn --deploy-mode client

    spark-shell和pypark必须使用yarn-client模式,因为这是交互式命令,Driver需运行在本地。

    cluster模式:

    ./bin/spark-submit

    --master yarn

    --deploy-mode cluster

    --class org.apache.spark.examples.SparkPi 

    examples/jars/spark-examples_2.11-2.0.2.jar

    1000

    3.两种模式的区别

    cluster模式:Driver程序在YARN中运行,Driver所在的机器是随机的,应用的运行结果不能在客户端显示只能通过yarn查看,所以最好运行那些将结果最终保存在外部存储介质(如HDFSRedisMysql)而非stdout输出的应用程序,客户端的终端显示的仅是作为YARNjob的简单运行状况。

    client模式:Driver运行在Client上,应用程序运行结果会在客户端显示,所有适合运行结果有输出的应用程序(如spark-shell

    4.原理

    cluster模式:

     

    Spark Driver首先作为一个ApplicationMasterYARN集群中启动,客户端提交给ResourceManager的每一个job都会在集群的NodeManager节点上分配一个唯一的ApplicationMaster,由该ApplicationMaster管理全生命周期的应用。具体过程:

     1. clientResourceManager提交请求,并上传jarHDFS

    这期间包括四个步骤:

    a).连接到RM

    b).RMASMApplicationsManager )中获得metricqueueresource等信息。

    c). upload app jar and spark-assembly jar

    d).设置运行环境和container上下文(launch-container.sh等脚本)

    2. ResouceManagerNodeManager申请资源,创建Spark ApplicationMaster(每个SparkContext都有一个ApplicationMaster

    3. NodeManager启动ApplicationMaster,并向ResourceManager AsM注册

    4. ApplicationMasterHDFS中找到jar文件,启动SparkContextDAGschedulerYARN Cluster Scheduler

    5. ResourceManagerResourceManager AsM注册申请container资源

    6. ResourceManager通知NodeManager分配Container,这时可以收到来自ASM关于container的报告。(每个container对应一个executor

    7. Spark ApplicationMaster直接和containerexecutor)进行交互,完成这个分布式任务。

    client模式:

     

    client模式下,Driver运行在Client上,通过ApplicationMasterRM获取资源。本地Driver负责与所有的executor container进行交互,并将最后的结果汇总。结束掉终端,相当于kill掉这个spark应用。一般来说,如果运行的结果仅仅返回到terminal上时需要配置这个。

    客户端的Driver将应用提交给Yarn后,Yarn会先后启动ApplicationMasterexecutor,另外ApplicationMasterexecutor都 是装载在container里运行,container默认的内存是1GApplicationMaster分配的内存是driver- memoryexecutor分配的内存是executor-memory。同时,因为Driver在客户端,所以程序的运行结果可以在客户端显 示,Driver以进程名为SparkSubmit的形式存在。

  • 相关阅读:
    mac 卸载 node并重新安装
    最小的Django应用
    Python如何实现文本转语音
    Python语言库pyttsx3
    大数据资料
    剑指offer(29)最小的K个数
    剑指offer(28)数组中出现次数超过一半的数
    剑指offer(27)字符串的排列
    剑指offer(26)二叉搜索树与双向链表
    JS、JAVA刷题和C刷题的一个很重要的区别
  • 原文地址:https://www.cnblogs.com/liujian-8492/p/9652965.html
Copyright © 2020-2023  润新知