Spark的运行模式--Yarn-Cluster

Posted 2020-09-18 代码空间

3. Yarn-Cluster

Yarn是一种统一资源管理机制，可以在上面运行多种计算框架。Spark on Yarn模式分为两种：Yarn-Cluster和Yarn-Client，前者Driver运行在Worker节点，后者Driver运行在Client节点上。采用Spark on Yarn模式，只需要在一个节点部署Spark就行了，因此部署比较简单。

先介绍一下Yarn-Cluster。

首先把spark-assembly-1.6.0-hadoop2.6.0.jar上传到HDFS。

由于Yarn在安装Hadoop的时候已经配置了，所以就直接对Spark进行配置了。spark-env.sh在部署Standalone模式是已经设置了，所以也不需要在设置。这里只需要在Master节点设置spark-defaults.conf，该文件在${HADOOP_HOME}/conf目录下，增加以下设置：

spark.master                         spark://master:7077
spark.yarn.jar                　　　　 hdfs://master:9000/spark/jars/spark-assembly-1.6.0-hadoop2.6.0.jar
spark.eventLog.enabled                true
spark.eventLog.dir            　　　　 hdfs://master:9000/spark/logs
spark.serializer                      org.apache.spark.serializer.KryoSerializer
spark.driver.memory                   1g
spark.yarn.scheduler.heartbeat.intervals-ms            5000            
spark.yarn.preserve.staging.files                      false
spark.yarn.max.executor.failures                       6
spark.driver.extraJavaOptions -Dhdp.version=2.6.5
spark.yarn.am.extraJavaOptions -Dhdp.version=2.6.5

Spark on Yarn不需要启动Spark的Master或者Slave，只需要启动Hadoop的DFS和Yarn就行了，也就是只需要运行Hadoop的start-all.sh就行了，因此运行也相对简单，并且性能还比较好。

启动Hadoop的DFS和Yarn以后，运行：

其中的 --master yarn-cluster表明以Yarn-Cluster模式运行。运行结束以后可以Master:8080看到这个Application：

点进Logs可以看见运行结果：

3. Yarn-Client

Yarn-Client的部署和Yarn-Cluster是一样的，区别就在于Yarn-Cluster的Driver运行在Worker节点，而Yarn-Client的Driver运行在Client节点。

输入命令：

其中--master yarn-client表明以Yarn-Client模式运行。