使用HAProxy代理控制Spark SQL Thrift Server服务的最大连接数
Posted 中兴大数据
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用HAProxy代理控制Spark SQL Thrift Server服务的最大连接数相关的知识,希望对你有一定的参考价值。
文 | 刘少麟
Apache Spark 现在是大数据中非常流行的处理引擎,简单的API、内存计算、很好的性能、一站式的解决方案、良好的生态,Spark是大数据中最火的明星AngelaBaby。在Spark内部的多个组件中,SQL组件也是很多公司用的最多的一个内部组件。由于Spark SQL并不适用于大并发的场景,所以在实际的生产过程中发现,由于SparkSQL并不能限制用户数,经常会有过多的用户以及过多的任务,导致Spark SQL 的Thrift Server服务非常不稳定。
这个问题在生产过程中非常实际,我们一般建议使用开源软件 HAProxy来解决,下面主要叙述一下具体的解决步骤;顺带一句HAproxy不仅可以解决Spark SQL的连接数,也可以用来用于部署Spark的HA。
安装
至HAProxy的官网网站http://www.haproxy.org/ 下载最新版本的安装包haproxy-1.7.5.tar.gz。
[root@zdh223 ~]#tar zxvf haproxy-1.7.5.tar.gz
[root@zdh223 ~]#cd haproxy-1.7.5
[root@zdh223 ~]#make TARGET=zdh221
[root@zdh223 ~]#make install
安装结束。
在任意目录下执行 haproxy –vv 如果能正确显示haproxy的版本号,即表示安装正确。
配置
在haproxy-1.7.5目录下创建文件sparksql.cfg,文件名可以任意。内容如下:
global
daemon
nbproc 1
pidfile /root/haproxy-1.7.5/haproxy.pid
ulimit-n 65535
defaults
mode tcp #mode { tcp|http|health },因为Spark SQL底层使用tcp
retries 2
option redispatch
option abortonclose
maxconn 1024
timeout connect 1d
timeout client 1d
timeout server 1d
timeout check 2000
log 127.0.0.1 local0 err #[err warning info debug]
listen admin_stats
bind 0.0.0.0:1090 #管理界面访问IP和端口
mode http
maxconn 10 #管理界面最大连接数
stats refresh 30s #30秒自动刷新
stats uri / #访问url
stats realm SparkSql\ Haproxy #验证窗口提示
stats auth admin:123456 #401验证用户名密码
listen SparkSql # SparkSql后端定义
bind 0.0.0.0:18001 #ha作为proxy所绑定的IP和端口
mode tcp #以4层方式代理,重要
balance leastconn #调度算法 'leastconn' 最少连接数分配,或者 'roundrobin',轮询分配
maxconn 1024 #最大连接数
server spark1 10.43.156.221:18000 check inter 180000 rise 1 fall 2
server spark2 10.43.156.222:18000 check inter 180000 rise 1 fall 2
server spark3 10.43.156.223:18000 check inter 180000 rise 1 fall 2
#释义:server 主机代名,IP:端口 每180000毫秒检查一次。也就是三分钟。
蓝色部分配置需要重点关注,视实际情况配置。
启停
启动
依次启动sparksql后,启动haproxy。
haproxy-f sparksql.cfg
停止
使用ps -ef|grep haproxy检查出进程后kill。
验证
功能验证
在多台客户端的spark目录下执行:
bin/beeline-u jdbc:hive2://zdh221:18001 -n mr
均可以正常连接,并进行操作。
查看haproxy的web页面,http://10.43.156.221:1090/ 口令:admin/123456 (上文配置),可以看到各服务器均有负载。
查看每个sparksql的后台日志,可以看到均有业务日志。
最大连接数验证
更改上文配置文件中的listen SparkSql下的maxconn 1024为2,并重启haproxy。
当在2台客户端的spark目录下使用beeline,均可以连接并操作,当使用第3台客户端的beeline连接时候,会显示连接等待,无法连接。
查看http://10.43.156.221:1090/ 页面,可以看到最大连接数设置的为2。
以上是关于使用HAProxy代理控制Spark SQL Thrift Server服务的最大连接数的主要内容,如果未能解决你的问题,请参考以下文章
SparkSQL介绍与Hive整合Spark的th/beeline/jdbc/thriftserve2shell方式使用SQL