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。

  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。

  1. 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

sparkstreaming在yarn运行

黑猴子的家:Spark on hive 与 hive on spark 的区别

Spark on K8S

Spark on yarn

SparkSQL & Spark on Hive & Hive on Spark

Spark SQL(十):Hive On Spark