Spark on yarn

Posted 2022-12-04 一只懒得睁眼的猫

参考博客：

https://www.cnblogs.com/lemonu/p/13540201.html

https://blog.csdn.net/huojiao2006/article/details/80563112

Spark可以和Yarn整合，将Application提交到Yarn上运行，Yarn也有两种提交任务的方式。

1. yarn-client提交任务方式
   配置方式：

在client节点配置中spark-env.sh添加Hadoop_CONF_DIR的配置目录即可提交yarn 任务（或者在/etc/proifile），具体步骤如下：

export HADOOP_CONF_DIR=/usr/local/software/hadoop/etc/hadoop
注意client只需要有Spark的安装包即可提交任务，不需要其他配置（比如slaves）!!!

提交命令：

/usr/local/software/spark/bin/spark-submit
–class org.apache.spark.examples.SparkPi
–master yarn
–deploy-mode client
–driver-memory 1G
–executor-memory 1G
–executor-cores 2
/usr/local/software/spark/examples/jars/spark-examples_2.11-2.2.0.jar 100
进程查看：【ExecutorLauncher可以理解为被阉割的ApplicationMaster】

执行原理图

执行流程
1.客户端提交一个Application，在客户端启动一个Driver进程。

2.Driver进程会向RS(ResourceManager)发送请求，启动AM(ApplicationMaster)的资源。

3.RS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.RS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：

1.Yarn-client模式适用于测试，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.

2.ApplicationMaster的作用：

为当前的Application申请资源、给NodeManager发送消息启动Executor。

注意：ApplicationMaster有launchExecutor和申请资源的功能，并没有作业调度的功能。

2. yarn-cluster提交任务方式
   提交命令：

/usr/local/software/spark/bin/spark-submit
–class org.apache.spark.examples.SparkPi
–master yarn
–deploy-mode cluster
–driver-memory 1G
–executor-memory 1G
–executor-cores 2
/usr/local/software/spark/examples/jars/spark-examples_2.11-2.2.0.jar 100
进程查看：

执行原理

执行流程
1.客户机提交Application应用程序，发送请求到RS(ResourceManager),请求启动AM(ApplicationMaster)。

1.RS收到请求后随机在一台NM(NodeManager)上启动AM（相当于Driver端）。

2.AM启动，AM发送请求到RS，请求一批container用于启动Executor。

3.RS返回一批NM节点给AM。

4.AM连接到NM,发送请求到NM启动Executor。

5.Executor反向注册到AM所在的节点的Driver。Driver发送task到Executor。

总结
1.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所在的机器都是随机的，不会产生

某一台机器网卡流量激增的现象，缺点是任务提交后不能看到日志。只能通过yarn查看日志。

2.ApplicationMaster的作用：

当前的Application申请资源

给nodemanager发送消息 启动Excutor。

任务调度。(这里和client模式的区别是AM具有调度能力，因为其就是Driver端，包含Driver进程)

3.停止集群任务命令：yarn application -kill applicationID

spark-shell必须用client模式