Spark on yarn
Posted 安静的技术控
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 on yarn相关的知识,希望对你有一定的参考价值。
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。
- 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。
- 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
以上是关于Spark on yarn的主要内容,如果未能解决你的问题,请参考以下文章
黑猴子的家:Spark on hive 与 hive on spark 的区别