Spark各运行模式详解

Posted shuzhiwei

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各运行模式详解相关的知识,希望对你有一定的参考价值。

一、测试或实验性质的本地运行模式 (单机)

该模式被称为Local[N]模式,是用单机的多个线程来模拟Spark分布式计算,通常用来验证开发出来的应用程序逻辑上有没有问题。

其中N代表可以使用N个线程,每个线程拥有一个core。如果不指定N,则默认是1个线程(该线程有1个core)。

? ?

指令示例:

? ?

1)spark-shell --master local 效果是一样的

2)spark-shell --master local[4] 代表会有4个线程(每个线程一个core)来并发执行应用程序。

? ?

运行该模式非常简单,只需要把Spark的安装包解压后,改一些常用的配置即可使用,而不用启动Spark的Master、Worker守护进程( 只有集群的Standalone方式时,才需要这两个角色),也不用启动Hadoop的各服务(除非你要用到HDFS),这是和其他模式的区别,要记住才能理解。

? ?

? ?

二、测试或实验性质的本地伪集群运行模式(单机模拟集群)

这种运行模式,和Local[N]很像,不同的是,它会在单机启动多个进程来模拟集群下的分布式场景,而不像Local[N]这种多个线程只能在一个进程下委屈求全的共享资源。通常也是用来验证开发出来的应用程序逻辑上有没有问题,或者想使用Spark的计算框架而没有太多资源。

? ?

指令示例:

? ?

1)spark-shell --master local-cluster[2, 3, 1024]

? ?

用法是:提交应用程序时使用local-cluster[x,y,z]参数:x代表要生成的executor数,y和z分别代表每个executor所拥有的core和memory数。

? ?

上面这条命令代表会使用2个executor进程,每个进程分配3个core和1G的内存,来运行应用程序。

? ?

该模式依然非常简单,只需要把Spark的安装包解压后,改一些常用的配置即可使用。而不用启动Spark的Master、Worker守护进程( 只有集群的standalone方式时,才需要这两个角色),也不用启动Hadoop的各服务(除非你要用到HDFS),这是和其他模式的区别哦,要记住才能理解。

? ?

? ?

三、Spark自带Cluster ManagerStandalone Client模式(集群)

? ?

和单机运行的模式不同,这里必须在执行应用程序前,先启动Spark的Master和Worker守护进程。不用启动Hadoop服务,除非你用到了HDFS的内容。

? ?

可以在想要做为Master的节点上用start-all.sh一条命令即可

? ?

这种运行模式,可以使用Spark的8080 web ui来观察资源和应用程序的执行情况了。

? ?

用如下命令提交应用程序

指令示例:

1)spark-shell --master spark://wl1:7077

或者

2)spark-shell --master spark://wl1:7077 --deploy-mode client

? ?

产生的进程:

①Master进程做为cluster manager,用来对应用程序申请的资源进行管理

②SparkSubmit 做为Client端和运行driver程序

③CoarseGrainedExecutorBackend 用来并发执行应用程序

? ?

四、spark自带cluster managerstandalone cluster模式(集群)

? ?

这种运行模式和上面第3个还是有很大的区别的。使用如下命令执行应用程序

指令示例:

1)spark-submit --master spark://wl1:6066 --deploy-mode cluster

? ?

第四种模式和第三种模型的区别:

①客户端的SparkSubmit进程会在应用程序提交给集群之后就退出

②Master会在集群中选择一个Worker进程生成一个子进程DriverWrapper来启动driver程序

③而该DriverWrapper 进程会占用Worker进程的一个core,所以同样的资源下配置下,会比第3种运行模式,少用1个core来参与计算

④应用程序的结果,会在执行driver程序的节点的stdout中输出,而不是打印在屏幕上

? ?

五、基于YARNResource ManagerClient模式(集群)

现在越来越多的场景,都是Spark跑在Hadoop集群中,所以为了做到资源能够均衡调度,会使用YARN来做为Spark的Cluster Manager,来为Spark的应用程序分配资源。

? ?

在执行Spark应用程序前,要启动Hadoop的各种服务。由于已经有了资源管理器,所以不需要启动Spark的Master、Worker守护进程。

? ?

使用如下命令执行应用程序

指令示例:

1)spark-shell --master yarn?

或者

2)spark-shell --master yarn --deploy-mode client

? ?

提交应用程序后,各节点会启动相关的JVM进程,如下:

①在Resource Manager节点上提交应用程序,会生成SparkSubmit进程,该进程会执行driver程序。

②RM会在集群中的某个NodeManager上,启动一个ExecutorLauncher进程,来做为ApplicationMaster。

③另外,RM也会在多个NodeManager上生成CoarseGrainedExecutorBackend进程来并发的执行应用程序。

? ?

六、基于YARNResource ManagerCuster模式(集群)

使用如下命令执行应用程序

指令示例:

1)spark-shell --master yarn --deploy-mode cluster

? ?

和第5种运行模式,区别如下:

①在Resource Manager端提交应用程序,会生成SparkSubmit进程,该进程只用来做Client端,应用程序提交给集群后,就会删除该进程。

②Resource Manager在集群中的某个NodeManager上运行ApplicationMaster,该AM同时会执行driver程序。紧接着,会在各NodeManager上运行CoarseGrainedExecutorBackend来并发执行应用程序。

③应用程序的结果,会在执行driver程序的节点的stdout中输出,而不是打印在屏幕上。

? ?

? ?

此外,还有Spark On Mesos模式,对这部分感兴趣的同学自行查询了解。可以参阅:

http://ifeve.com/spark-mesos-spark/

? ?

以上是关于Spark各运行模式详解的主要内容,如果未能解决你的问题,请参考以下文章

Spark 在yarn上运行模式详解:cluster模式和client模式

详解Spark运行模式(local+standalone+yarn)

详解Spark运行模式(local+standalone+yarn)

详解Spark运行模式(local+standalone+yarn)

Spark核心编程进阶-yarn模式下日志查看详解

Spark运行模式_spark自带cluster manager的standalone cluster模式(集群)