Spark 在yarn上运行模式详解:cluster模式和client模式

Posted transkai

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 在yarn上运行模式详解:cluster模式和client模式相关的知识,希望对你有一定的参考价值。

 

1.    官方文档

http://spark.apache.org/docs/latest/running-on-yarn.html

2.    配置安装

2.1.安装hadoop:需要安装HDFS模块和YARN模块,HDFS必须安装,spark运行时要把jar包存放到HDFS上。

2.2.安装Spark:解压Spark安装程序到一台服务器上,修改spark-env.sh配置文件,spark程序将作为YARN的客户端用于提交任务

export JAVA_HOME=/usr/local/jdk1.8

export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop

2.3.启动HDFS和YARN

3.    运行模式(cluster模式和client模式)

3.1.cluster模式

官网案例计算PI


spark-submit --class org.apache.spark.examples.SparkPi \\

--master yarn \\

--deploy-mode cluster \\

--driver-memory 1g \\

--executor-memory 1g \\

--executor-cores 1 \\

/export/servers/spark/examples/jars/spark-examples_2.11-2.0.2.jar \\

10


 

 

 

# 关闭虚拟机内存检查(避免虚拟机内存不足时,无法运行)

<property> 

                <name>yarn.nodemanager.vmem-check-enabled</name> 

               <value>false</value> 

 </property>

 

 

 

 

 

3.2.client模式


spark-submit --class org.apache.spark.examples.SparkPi \\

--master yarn \\

--deploy-mode client \\

--driver-memory 1g \\

--executor-memory 512m \\

--executor-cores 1 \\

/export/servers/spark/examples/jars/spark-examples_2.11-2.0.2.jar \\

10


 

 

 

spark-shell必须使用client模式

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

 

3.3.两种模式的区别

cluster模式:Driver程序在YARN中运行,应用的运行结果不能在客户端显示,所以最好运行那些将结果最终保存在外部存储介质(如HDFS、Redis、mysql)而非stdout输出的应用程序,客户端的终端显示的仅是作为YARN的job的简单运行状况。

 

client模式:Driver运行在Client上,应用程序运行结果会在客户端显示,所有适合运行结果有输出的应用程序(如spark-shell)

 

3.4.原理

cluster模式:

技术图片

 

 

Spark Driver首先作为一个ApplicationMaster在YARN集群中启动,客户端提交给ResourceManager的每一个job都会在集群的NodeManager节点上分配一个唯一的ApplicationMaster,由该ApplicationMaster管理全生命周期的应用。具体过程:

 

1. 由client向ResourceManager提交请求,并上传jar到HDFS上

这期间包括四个步骤:

a).连接到RM

b).从RM的ASM(ApplicationsManager )中获得metric、queue和resource等信息。

c). upload app jar and spark-assembly jar

d).设置运行环境和container上下文(launch-container.sh等脚本)

 

2. ResourceManager为该应用程序分配第一个Container,创建Spark ApplicationMaster(每个SparkContext都有一个ApplicationMaster)

3. NodeManager启动ApplicationMaster,并向ResourceManager注册

4. ApplicationMaster从HDFS中找到jar文件,启动SparkContext、DAGscheduler和YARN Cluster Scheduler

5. ApplicationMaster向ResourceManager注册申请container资源

6. ResourceManager通知NodeManager分配Container(每个container对应一个executor)

7. Spark ApplicationMaster直接和container(executor)进行交互,完成这个分布式任务。

 

client模式:

 技术图片

 

在client模式下,Driver运行在Client上,通过ApplicationMaster向RM获取资源。本地Driver负责与所有的executor container进行交互,并将最后的结果汇总。结束掉终端,相当于kill掉这个spark应用。一般来说,如果运行的结果仅仅返回到terminal上时需要配置这个。

客户端的Driver将应用提交给Yarn后,Yarn会先后启动ApplicationMaster和executor,另外ApplicationMaster和executor都是装载在container里运行,container默认的内存是1G,ApplicationMaster分配的内存是driver- memory,executor分配的内存是executor-memory。同时,因为Driver在客户端,所以程序的运行结果可以在客户端显示,Driver以进程名为SparkSubmit的形式存在。

以上是关于Spark 在yarn上运行模式详解:cluster模式和client模式的主要内容,如果未能解决你的问题,请参考以下文章

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 在 Yarn 上运行 Spark 应用程序

Spark standalone下的运行过程