素材巴巴 > 程序开发 >

Spark----【spark on yarn】

程序开发 2023-09-03 22:16:17

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=/export/servers/jdk1.8

export HADOOP_CONF_DIR=/export/servers/hadoop/etc/hadoop

3.启动HDFS和YARN

3. 运行模式 (cluster模式和client模式)

  1. cluster模式

官网案例计算PI

spark-submit --class org.apache.spark.examples.SparkPi 
 --master yarn 
 --deploy-mode cluster 
 --driver-memory 1g 
 --executor-memory 1g 
 --executor-cores 1 
 /export/servers/spark/examples/jars/spark-examples_2.11-2.1.3.jar 
 10
 

如果cluster可以运行 , client不能运行 , 就将下面配置添加到yarn-site.xml中即可 , 然后再分发到其他机器上即可

# 关闭虚拟机内存检查(避免虚拟机内存不足时,无法运行)
   yarn.nodemanager.vmem-check-enabled  false  
  
 
  1. client模式
spark-submit --class org.apache.spark.examples.SparkPi 
 --master yarn 
 --deploy-mode client 
 --driver-memory 512m 
 --executor-memory 512m 
 --executor-cores 1 
 /export/servers/spark/examples/jars/spark-examples_2.11-2.1.3.jar 
 10
 

spark-shell必须使用client模式

spark-shell --master yarn --deploy-mode client

  1. 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HDFS、Redis、Mysql)而非stdout输出的应用程序,客户端的终端显示的仅是作为YARN的job的简单运行状况。故当终端停止并不会影响它最终的运行

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) , 因此当终端停止时就不会继续运行

  1. 原理

    cluster模式

在这里插入图片描述

​ Spark Driver首先作为一个ApplicationMaster在YARN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. 由client向ResourceManager提交请求,并上传jar到HDFS上

这期间包括四个步骤:

​ a).连接到RM

​ b).从RM的ASM(ApplicationsManager )中获得metric、queue和resource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)

  1. ResourceManager为该应用程序分配第一个Container,创建Spark ApplicationMaster(每个SparkContext都有一个ApplicationMaster)

  2. NodeManager启动ApplicationMaster,并向ResourceManager注册

  3. ApplicationMaster从HDFS中找到jar文件,启动SparkContext、DAGscheduler和YARN Cluster Scheduler

  4. ApplicationMaster向ResourceManager注册申请container资源

  5. ResourceManager通知NodeManager分配Container(每个container对应一个executor)

  6. Spark ApplicationMaster直接和container(executor)进行交互,完成这个分布式任务。

client模式
在这里插入图片描述

​ 在client模式下,Driver运行在Client上,通过ApplicationMaster向RM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ApplicationMaster和executor,另外ApplicationMaster和executor都是装载在container里运行,container默认的内存是1G,ApplicationMaster分配的内存是driver- memory,executor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。

spark on yarn图解
在这里插入图片描述


标签:

上一篇: Angular-修改启动的端口号 下一篇:
素材巴巴 Copyright © 2013-2021 http://www.sucaibaba.com/. Some Rights Reserved. 备案号:备案中。