spark动态资源（executor）分配

Posted 2021-03-14 zz-ksw

spark动态资源调整其实也就是说的executor数目支持动态增减，动态增减是根据spark应用的实际负载情况来决定。

开启动态资源调整需要（on yarn情况下）

1.将spark.dynamicAllocation.enabled设置为true。意思就是启动动态资源功能
2.将spark.shuffle.service.enabled设置为true。 在每个nodeManager上设置外部shuffle服务
　　2.1 将spark-<version>-yarn-shuffle.jar拷贝到每台nodeManager的${HADOOP_HOME}/share/hadoop/yarn/lib/下。
　　2.2 配置yarn-site.xml
　　　　<property>
　　　　　　<name>yarn.nodemanager.aux-services</name>
　　　　　　<value>mapreduce_shuffle,spark_shuffle</value>
　　　　</property>
　　　　<property>
　　　　　　<name>yarn.nodemanager.aux-services.spark_shuffle.class</name>
　　　　　　<value>org.apache.spark.network.yarn.YarnShuffleService</value>
　　　　</property>
　　　　<property>
　　　　　　<name>spark.shuffle.service.port</name>
　　　　　　<value>7337</value>
　　　　</property>
　　　2.3 重启所有nodeManager

 

关于资源（executor）的Request与Remove策略

Request策略

当有被挂起的任务(pending task)的时候，也就表示当前的executor数量还不足够所有的task并行运行，这时候spark会申请增加资源，
但是并不是出现pending task就立刻请求增加executor。由下面两个参数决定，如下：

• 1.spark.dynamicAllocation.schedulerBacklogTimeout：

如果启用了动态资源分配功能，如果有pending task并且等待了一段时间(默认1秒)，则增加executor

• 2.spark.dynamicAllocation.sustainedSchedulerBacklogTimeout：

随后每隔N秒(默认1秒)，再检测pending task，如果仍然存在，增加executor。
此外每轮请求的executor数量是指数增长的。 比如，在第一轮中添加1个executor，然后在随后的轮中添加2、4、8，依此类推。

Remove策略

如果某executor空闲超过了一段时间，则remove此executor，由下面参数决定：
spark.dynamicAllocation.executorIdleTimeout：默认60秒

此外关于动态资源分配还有以下相关参数

• spark.dynamicAllocation.initialExecutors：

　　　　初始executor数量，如果--num-executors设置的值比这个值大，那么将使用--num-executors设置的值作为初始executor数量。

• spark.dynamicAllocation.maxExecutors：

　　　　executor数量的上限，默认是无限制的。

• spark.dynamicAllocation.minExecutors：

　　　　executor数量的下限，默认是0个

• spark.dynamicAllocation.cachedExecutorIdleTimeout：

　　　　如果executor内有缓存数据(cache data)，并且空闲了N秒。则remove该executor。默认值无限制。也就是如果有缓存数据，则不会remove该executor
为什么？比如在写shuffle数据时候，executor可能会写到磁盘也可能会保存在内存中，如果保存在内存中，该executor又remove掉了，那么数据也就丢失了。

 

spark动态资源分配机制的应用

使用spark thriftserver将spark作为一个长期运行的服务。用户通过JDBC来提交sql查询：

$SPARK_HOME/sbin/start-thriftserver.sh 
--executor-memory 20g --executor-cores 5 --driver-memory 10g --driver-cores 5 --conf spark.dynamicAllocation.enabled=true --conf spark.shuffle.service.enabled=true --conf spark.dynamicAllocation.initialExecutors=20 --conf spark.dynamicAllocation.minExecutors=20 --conf spark.dynamicAllocation.maxExecutors=400 --conf spark.dynamicAllocation.executorIdleTimeout=300s --conf spark.dynamicAllocation.schedulerBacklogTimeout=10s 

 

官网关于动态资源分配的文档：

http://spark.apache.org/docs/2.3.1/job-scheduling.html#dynamic-resource-allocation

http://spark.apache.org/docs/2.3.1/configuration.html#dynamic-allocation

1