Apache火花中的Spark驱动程序

Posted 2021-04-10

我已经拥有一个运行Hadoop 1.0.0的3台机器（ubuntu1，ubuntu2，ubuntu3，VM virtualbox）的集群。我在每台机器上安装了火花。 ub1是我的主节点，其他节点作为slave工作。我的问题是什么是火花驱动器？我们是否应该通过spark.driver.host设置一个IP和端口来激活驱动程序以及它将被执行和定位的位置？ （主人或奴隶）

答案

spark驱动程序是声明对RDD数据进行转换和操作的程序，并将此类请求提交给master。

实际上，驱动程序是创建SparkContext的程序，连接到给定的Spark Master。在本地集群的情况下，就像你的情况一样，master_url=spark://<host>:<port>

它的位置独立于主/从。您可以与主服务器共处一地，也可以从另一个节点运行它。唯一的要求是它必须位于可以从Spark Workers中寻址的网络中。

这是驱动程序的配置如下所示：

val conf = new SparkConf()
      .setMaster("master_url") // this is where the master is specified
      .setAppName("SparkExamplesMinimal")
      .set("spark.local.ip","xx.xx.xx.xx") // helps when multiple network interfaces are present. The driver must be in the same network as the master and slaves
      .set("spark.driver.host","xx.xx.xx.xx") // same as above. This duality might disappear in a future version

val sc = new spark.SparkContext(conf)
    // etc...

更多地解释不同的角色：

• 驱动程序准备上下文并使用RDD转换和操作声明对数据的操作。
• 驱动程序将序列化的RDD图提交给主服务器。主服务器从中创建任务并将其提交给工作人员执行。它协调不同的工作阶段。
• 工人是实际执行任务的地方。它们应具有执行RDD上请求的操作所需的资源和网络连接。

另一答案

你的问题与纱线上的火花展开有关，请参阅1：http://spark.apache.org/docs/latest/running-on-yarn.html“在YARN上运行火花”

假设你从spark-submit --master yarn cmd开始：

1. cmd将请求纱线资源管理器（RM）在您的一台集群计算机上启动ApplicationMaster（AM）进程（那些计算机上安装了纱线节点管理器）。
2. AM启动后，它将调用驱动程序的主要方法。因此，驱动程序实际上是您定义火花上下文，rdd和作业的地方。驱动程序包含启动spark计算的entry main方法。
3. spark上下文将为执行者准备RPC端点以进行对话，以及许多其他事情（内存存储，磁盘块管理器，jetty服务器......）
4. AM将为容器运行你的spark执行器请求RM，并在执行程序的start cmd上指定驱动程序RPC url（类似spark：// CoarseGrainedScheduler @ ip：37444）。

黄色框“Spark上下文”是驱动程序。

另一答案

Spark驱动程序是创建和拥有SparkContext实例的过程。它是您的Spark应用程序，它启动创建SparkContext实例的main方法。它是作业和任务执行的驾驶舱（使用DAGScheduler和任务计划程序）。它托管环境的Web UI

它将Spark应用程序拆分为任务并安排它们在执行程序上运行。驱动程序是任务调度程序所在的位置，并在工作程序之间生成任务。驱动程序协调工作人员和任务的总体执行。

另一答案

简单来说，Spark驱动程序是一个包含main方法的程序（main方法是程序的起点）。因此，在Java中，驱动程序将是包含public static void main（String args []）的Class。

在群集中，您可以通过以下任一方式运行此程序：1）在任何远程主机中。在这里，您必须在将驱动程序提交到远程主机时提供远程主机的详细信息。驱动程序在远程计算机中创建的JVM进程中运行，并且只返回最终结果。

2）从您的客户端机器（您的笔记本电脑）本地。这里驱动程序在本地机器中创建的JVM进程中运行。从这里它将任务发送到远程主机并等待每个任务的结果。

另一答案

如果设置config“spark.deploy.mode = cluster”，那么您的驱动程序将在您的工作主机（ubuntu2或ubuntu3）上启动。 如果spark.deploy.mode = driver（默认值），则驱动程序将在您提交应用程序的计算机上运行。 最后，您可以在Web UI上看到您的应用程序：http://driverhost:driver_ui_port，其中driver_ui_port是默认值4040，您可以通过set config“spark.ui.port”更改端口

另一答案

Spark驱动程序是允许应用程序创建SparkContext的节点，sparkcontext是与计算资源的连接。现在，驱动程序可以运行它提交的框，或者在使用某些资源管理器（如YARN）时可以在集群的一个节点上运行。

客户端/集群的两个选项都有一些权衡

1. 访问集群上一次节点的CPU /内存，这段时间很好，因为集群节点的内存很大。
2. 驱动程序日志位于群集节点与提交作业的本地框之间。
3. 您应该有群集模式的历史服务器其他明智的驱动程序端日志丢失。
4. 有时很难安装依赖（即一些本机依赖）执行程序，并在客户端模式下运行spark应用程序来拯救。

如果您想了解有关Spark Job解剖学的更多信息，那么http://ashkrit.blogspot.com/2018/09/anatomy-of-apache-spark-job.html帖子可能会有用