Spark 和 Yarn 的资源分配

Posted 2023-03-23

【中文标题】Spark 和 Yarn 的资源分配

【英文标题】：Resource Allocation with Spark and Yarn

【发布时间】：2018-12-07 09:37:22

【问题描述】：

我在纱线客户端模式下使用 Zeppelin 0.7.3 和 Spark 2.3。 我的设置是：

火花：

spark.driver.memory             4096m
spark.driver.memoryOverhead         3072m
spark.executor.memory           4096m
spark.executor.memoryOverhead           3072m
spark.executor.cores                3
spark.executor.instances            3

纱线：

Minimum allocation: memory:1024, vCores:2
Maximum allocation: memory:9216, vCores:6
The application started by Zeppelin gets the following resources:
Running Containers      4
Allocated CPU VCores        4
Allocated Memory MB 22528

我不太了解 yarn 分配的内存量。鉴于设置， 我假设纱线会保留 (4096+3072)*4m = 28672m。然而，它看起来像 spark.executor.memoryOverhead 选项被忽略（我也试过 spark.yarn.executor.memoryOverhead 没有效果）。因此，最小的 384m 被分配为开销。作为最低分配 设置为 1024m，我们最终得到 (4096+3072)*1m + (4096+1024)*3m=22528m，其中第一项是 驱动程序和第二项总结了执行程序的内存。

为什么只分配了 4 个 CPU VCore，即使我要求更多并且最小分配是 设置为 2，我要求更多的核心？在查看 Application Master 时，我发现了以下 executor：

在这里，执行器确实每个有 3 个核心。我怎么知道哪个值是正确的或什么 我失踪了吗？

我尝试了一些设置，在 yarn-client 模式下我应该使用诸如 spark.yarn.am.memory 或 spark.yarn.am.cores。但是，似乎这些被纱线忽略了。 为什么会这样？此外，在 yarn-client 模式下，驱动程序应该在外部运行 纱线。为什么资源仍然在 yarn 内部分配？我的 Zeppelin 在同一台机器上运行 作为一名工人。

【参考方案1】：

一个 Spark 应用程序具有三个角色：驱动程序、应用程序主机和执行程序。

在客户端模式（部署模式之一）下，驱动程序本身不会向纱线请求资源，因此我们有一个应用程序主控器，三个执行器，这些资源必须由 YARN 分配。所以我认为 spark 会要求 (4G + 3G) * 3 三个 executors 和 1G for am。所以Allocated Memory 将增加 22GB(22528MB)。

至于核心数，我认为 Spark UI 给出了正确答案，因为我的经验。