spark怎么以master yarn-cluster模式运行wordcount

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了spark怎么以master yarn-cluster模式运行wordcount相关的知识,希望对你有一定的参考价值。

参考技术A Spark On Yarn配置很简单,不需要单独部署Spark集群,只需要开发Spark应用程序,打成jar包,然后使用spark-submit命令提交到Yarn上运行即可。示例: ./spark-submit --class com.lxw1234.test.WordCount --master yarn-cluster --executor-memor...

Spark Yarn-cluster 与 Yarn-client

摘要


在Spark中,有Yarn-Client和Yarn-Cluster两种模式可以运行在Yarn上,通常Yarn-cluster适用于生产环境,而Yarn-Cluster更适用于交互,调试模式,以下是它们的区别


Spark插拨式资源管理


Spark支持Yarn,Mesos,Standalone三种集群部署模式,它们的共同点:Master服务(Yarn ResourceManager,Mesos master,Spark standalone)来决定哪些应用可以运行以及在哪什么时候运行,Slave服务(Yarn NodeManger)运行在每个节点上,节点上实际运行着Executor进程,此外还监控着它们的运行状态以及资源的消耗


Spark On Yarn的优势


1. Spark支持资源动态共享,运行于Yarn的框架都共享一个集中配置好的资源池

2. 可以很方便的利用Yarn的资源调度特性来做分类·,隔离以及优先级控制负载,拥有更灵活的调度策略

3.Yarn可以自由地选择executor数量

4.Yarn是唯一支持Spark安全的集群管理器,使用Yarn,Spark可以运行于Kerberized Hadoop之上,在它们进程之间进行安全认证 


Yarn-cluster VS Yarn-client


当在Spark On Yarn模式下,每个Spark Executor作为一个Yarn container在运行,同时支持多个任务在同一个container中运行,极大地节省了任务的启动时间


Appliaction Master


为了更好的理解这两种模式的区别先了解下Yarn的Application Master概念,在Yarn中,每个application都有一个Application Master进程,它是Appliaction启动的第一个容器,它负责从ResourceManager中申请资源,分配资源,同时通知NodeManager来为Application启动container,Application Master避免了需要一个活动的client来维持,启动Applicatin的client可以随时退出,而由Yarn管理的进程继续在集群中运行


Yarn-cluster


在Yarn-cluster模式下,driver运行在Appliaction Master上,Appliaction Master进程同时负责驱动Application和从Yarn中申请资源,该进程运行在Yarn container内,所以启动Application Master的client可以立即关闭而不必持续到Application的生命周期,下图是yarn-cluster模式

Yarn-cluster模式下作业执行流程:  


1. 客户端生成作业信息提交给ResourceManager(RM)

2. RM在某一个NodeManager(由Yarn决定)启动container并将Application Master(AM)分配给该NodeManager(NM)

3. NM接收到RM的分配,启动Application Master并初始化作业,此时这个NM就称为Driver

4. Application向RM申请资源,分配资源同时通知其他NodeManager启动相应的Executor

5. Executor向NM上的Application Master注册汇报并完成相应的任务

Yarn-client

在Yarn-client中,Application Master仅仅从Yarn中申请资源给Executor,之后client会跟container通信进行作业的调度,下图是Yarn-client模式


Yarn-client模式下作业执行流程:


1. 客户端生成作业信息提交给ResourceManager(RM)

2. RM在本地NodeManager启动container并将Application Master(AM)分配给该NodeManager(NM)

3. NM接收到RM的分配,启动Application Master并初始化作业,此时这个NM就称为Driver

4. Application向RM申请资源,分配资源同时通知其他NodeManager启动相应的Executor

5. Executor向本地启动的Application Master注册汇报并完成相应的任务

下表是Spark Standalone与Spark On Yarn模式下的比较


参考资料:http://blog.cloudera.com/blog/2014/05/apache-spark-resource-management-and-yarn-app-models/

以上是关于spark怎么以master yarn-cluster模式运行wordcount的主要内容,如果未能解决你的问题,请参考以下文章

Spark Yarn-cluster与Yarn-client

Spark两种提交方式Yarn-client and Yarn-cluster

spark基于yarn的两种提交模式

Spark的运行模式--Yarn-Cluster

Spark sql 在yarn-cluster模式下找不到表

Spark on yarn的两种模式 yarn-cluster 和 yarn-client