码迷,mamicode.com
首页 > 其他好文 > 详细

Spark on yarn

时间:2019-07-17 00:18:54      阅读:98      评论:0      收藏:0      [点我收藏+]

标签:节点   span   dem   data   image   value   dag   分配   res   

Spark-on-YARN

1. 官方文档

http://spark.apache.org/docs/latest/running-on-yarn.html

2. 配置安装

1.安装hadoop需要安装HDFS模块和YARN模块,HDFS必须安装,spark运行时要把jar包存放到HDFS上。

2.安装Spark解压Spark安装程序到一台服务器上,修改spark-env.sh配置文件,spark程序将作为YARN的客户端用于提交任务

export JAVA_HOME=/usr/local/jdk1.8.0_131

export HADOOP_CONF_DIR=/usr/local/hadoop-2.7.3/etc/hadoop

3.启动HDFSYARN

3. 运行模式(cluster模式和client模式)

1.cluster模式

./bin/spark-submit --class org.apache.spark.examples.SparkPi \

--master yarn \

--deploy-mode cluster \

--driver-memory 1g \

--executor-memory 1g \

--executor-cores 2 \

--queue default \

lib/spark-examples*.jar \

10

 

---------------------------------------------------------------------------------------------------------------------------------

./bin/spark-submit --class cn.edu360.spark.day1.WordCount \

--master yarn \

--deploy-mode cluster \

--driver-memory 1g \

--executor-memory 1g \

--executor-cores 2 \

--queue default \

/home/bigdata/hello-spark-1.0.jar \

hdfs://node-1.edu360.cn:9000/wc hdfs://node-1.edu360.cn:9000/out-yarn-1

 

 

2.client模式

./bin/spark-submit --class org.apache.spark.examples.SparkPi \

--master yarn \

--deploy-mode client \

--driver-memory 1g \

--executor-memory 1g \

--executor-cores 2 \

--queue default \

lib/spark-examples*.jar \

10

 

spark-shell必须使用client模式

./bin/spark-shell --master yarn --deploy-mode client

 

3.两种模式的区别

cluster模式:Driver程序在YARN中运行,应用的运行结果不能在客户端显示,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:

 技术图片

 

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:

 技术图片

 

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。

 

 

 

 

如果使用spark on yarn 提交任务,一般情况,都使用cluster模式,该模式,Driver运行在集群中,其实就是运行在ApplicattionMaster这个进程成,如果该进程出现问题,yarn会重启ApplicattionMasterDriver),SparkSubmit的功能就是为了提交任务。

 

如果使用交换式的命令行,必须用Client模式,该模式,Driver是运行在SparkSubmit进程中,因为收集的结果,必须返回到命令行(即启动命令的那台机器上),该模式,一般测试,或者运行spark-shellspark-sql这个交互式命令行是使用

 

注意:如果你配置spark-on-yarnclient模式,其实会报错。

修改所有yarn节点的yarn-site.xml,在该文件中添加如下配置

 

<property>

    <name>yarn.nodemanager.pmem-check-enabled</name>

    <value>false</value>

</property>

 

<property>

    <name>yarn.nodemanager.vmem-check-enabled</name>

    <value>false</value>

</property>

 

Spark on yarn

标签:节点   span   dem   data   image   value   dag   分配   res   

原文地址:https://www.cnblogs.com/cerofang/p/11198211.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!