Spark 集群 任务提交模式

Spark 集群的模式及提交任务的方式

• 本文大致的内容图

• Spark 集群的两种模式:

  • Standalone 模式

    • Standalone-client 任务提交方式

      • 提交命令

        ./spark-submit 
        --master spark://node1:7077 (主节点的位置)
        --class 类的包+类名
        jar包的位置 
        1000 # 分区参数, 也可以说是并行度
        

        ||

        ./spark-submit 
        --master spark://node1:7077 
        --deploy-mode client 
        --class 类的包+类名
        jar包的位置 
        100 # 分区参数, 也可以说是并行度
        

      • 执行原理

        

      • 执行流程

        1. client 模式提交任务后, 会在客户端启动Driver进程
        2. Driver 会向 Master 申请启动 Application启动的资源
        3. 资源申请成功, Driver 端将 task 发送到 worker端执行
        4. Worker 端将 task 执行结果 返回 到 Driver 端

      • 总结

        • client模式适用于测试调试程序。
        • Driver进程是在客户端启动的。这里的客户端指的是应用程序的当前节点
        • 在Driver端可以看到task执行的情况。
        • 生产环境下不能使用client模式是因为： 假设提交100个 Application 到集群运行, Driver每次都会在client端启动, 那么就会导致客户端100次网卡流量暴增。

    • Standalone-cluster 任务提交方式

      • 提交命令

        ./spark-submit 
        --master spark://node1:7077 
        --deploy-mode cluster
        --class 包+类名
        jar包的位置
        100 # 分区参数, 也可以说是并行度
        
        #注意：Standalone-cluster提交方式，应用程序使用的所有jar包和文件，必须保证所有的worker节点都要有，因为此种方式，spark不会自动上传包。
        # 解决方式：
        # 1.将所有的依赖包和文件打到同一个包中，然后放在hdfs上。
        # 2.将所有的依赖包和文件各放一份在worker节点上。
        

      • 执行原理

        

      • 执行流程

        1. cluster模式提交应用程序后会先向 Master 请求启动 Driver
        2. Master 接收请求, 随机在集中的一台节点启动Driver进程
        3. Driver启动后为当前的应用程序申请资源
        4. Driver端发送task到worker节点上执行
        5. worker 将执行情况和执行结果返回 Driver

      • 总结

        • Standalone-cluster 运行方式适用于生产环境
        • 此时在driver端界面看不到执行任务情况
        • 由于driver会被随机分配到worker节点上启动, 那么不会有流量激增问题

  • On Yarn 模式

    • Yarn-client 任务提交方式

      • 提交命令

        ./spark-submit 
        --master yarn
         --class 包+类名
        jar文件位置
        100
        

        ||

        ./spark-submit 
        --master yarn–client
         --class 包+类名
        jar文件位置
        100
        

        ||

        ./spark-submit 
        --master yarn 
        --deploy-mode  client 
         --class 包+类名
        jar文件位置
        100
        

      • 执行原理

        

      • 执行流程

        1. 客户端提交一个 Application, 在客户端启动一盒Driver 进程。
        2. 应用程序启动后会向RM(ResourceManager) 发送请求, 启动AM(ApplicationMaster)
        3. RM 收到请求, 随机选择一台 NM(NodeManager)启动AM。这里的NM相当于Standalone中的Worker节点
        4. AM 启动后, 会向 RS 请求一批container资源, 用于启动Executor
        5. RM会找到一批NM返回给AM, 用于启动Executor
        6. AM会向NM发送命令启动Executor
        7. Executor 启动后, 会反向注册给Driver, Driver 发送 task 到 Executor, 执行情况和结果返回给Driver端

      • 总结

        • Yarn-client模式同样适用于测试, 因为Driver运行在本地, Driver会与yarn集群中的Executor 进行大量的通信, 会造成客户机网卡流量的大量增加

        • ApplicationMaster 的作用:

          • 为当前的Application申请资源

          • 给NodeManager发送消息启动Executor

    • Yarn-cluster 任务提交方式

      • 提交命令

        ./spark-submit 
        --master yarn 
        --deploy-mode cluster 
        --class 包+类名 
        jar文件位置
        100
        

        ||

        /spark-submit 
        --master yarn-cluster
        --class 包+类名
        jar文件位置
        100
        

      • 执行原理

        

      • 执行流程

        1. 客户机提交Application应用程序, 发送请求到RM(ResourceManager), 请求启动(ApplicationMaster)
        2. RM收到请求后随即在一台 NM(NodeManager) 上启动 AM(相当于Driver 端)
        3. AM启动后, AM 发送请求到 RM, 申请一批容器(container)来启动Executor
        4. RM 返回一批 NM 节点 给 AM
        5. AM 连接到 NM, 发送请求到 NM 启动 Executor
        6. Executor 反向注册到 AM 所在节点的 Driver，Driver再发送task到Executor

      • 总结

        • Yarn-Cluster 主要用于生产环境中, 因为 Driver运行在 Yarn 集群中某一台NodeManager中, 每次提交任务的 Driver 所在机器都是随机的, 并不会产生一台机器网卡流量激增的现象。
        • 缺点是提交任务不能看到日志, 只能通过yarn查看日志
        • ApplicationMaster的作用
          • 为当前的 Application 申请资源
          • 给NodeManger 发送消息启动 Executor
          • 任务调度