Spark项目实战-troubleshooting之解决yarn-client模式导致的网卡流量激增问题

一、yarn-client模式

我们先来回顾下yarn-client模式的整个流程，如下：

几个关键点：

1、Driver

Driver到底是什么？ 我们写的spark程序，打成jar包用spark-submit来提交。jar包中的一个main类，通过jvm的命令启动起来。 JVM进程，这个进程其实就是咱们的Driver进程。Driver进程启动起来以后，执行我们自己写的main函数，从new SparkContext() 。

2、ApplicationMaster？

yarn中的核心概念，任何要在yarn上启动的作业类型（mr、spark），都必须有一个AM。就是说每种计算框架（mr、spark），如果想要在yarn上执行自己的计算应用，那么就必须自己实现和提供一个ApplicationMaster。相当于是实现了yarn提供的接口，spark自己开发的一个类。

3、spark在yarn-client模式下，application的注册（executor的申请）和计算task的调度，是分离开来的。但是standalone模式下，这两个操作都是driver负责的。ApplicationMaster(ExecutorLauncher)负责executor的申请，driver负责job和stage的划分，以及task的创建、分配和调度。

4、driver接收到属于自己的executor进程的注册之后，就可以去进行我们写的spark作业代码的执行了。 会一行一行的去执行咱们写的那些spark代码，执行到某个action操作的时候就会触发一个job，然后DAGScheduler会将job划分为一个一个的stage，为每个stage都创建指定数量的task，TaskScheduler将每个stage的task，分配到各个executor上面去执行。 task就会执行咱们写的算子函数。

二、yarn-client模式下，会产生什么样的问题呢？

由于咱们的driver是启动在本地机器的，而且driver是全权负责所有的任务的调度的，也就是说要跟yarn集群上运行的多个executor进行频繁的通信（中间有task的启动消息、task的执行统计消息、task的运行状态、shuffle的输出结果）。

咱们来想象一下。比如你的executor有100个，stage有10个，task有1000个。每个stage运行的时候，都有1000个task提交到executor上面去运行，平均每个executor有10个task。接下来问题来了，driver要频繁地跟executor上运行的1000个task进行通信。通信消息特别多，通信的频率特别高。运行完一个stage，接着运行下一个stage，又是频繁的通信。

在整个spark运行的生命周期内，都会频繁的去进行通信和调度。所有这一切通信和调度都是从你的本地机器上发出去的和接收到的。这是最要人命的地方，你的本地机器，很可能在30分钟内（spark作业运行的周期内），进行频繁大量的网络通信。那么此时，你的本地机器的网络通信负载是非常非常高的。会导致你的本地机器的网卡流量会激增！！！

三、解决的方法

实际上解决的方法很简单，就是心里要清楚，yarn-client模式是什么情况下，可以使用的？yarn-client模式，通常咱们就只会使用在测试环境中，你写好了某个spark作业，打了一个jar包，在某台测试机器上用yarn-client模式去提交一下。因为测试的行为是偶尔为之的，不会长时间连续提交大量的spark作业去测试。

还有一点好处，yarn-client模式提交，可以在本地机器观察到详细全面的log。通过查看log，可以去解决线上报错的故障（troubleshooting）、对性能进行观察并进行性能调优。

实际上线了以后，在生产环境中都得用yarn-cluster模式去提交你的spark作业。yarn-cluster模式，就跟你的本地机器引起的网卡流量激增的问题，就没有关系了。也就是说，就算有问题也应该是yarn运维团队和基础运维团队之间的事情了。使用了yarn-cluster模式以后，就不是你的本地机器运行Driver进行task调度了。是yarn集群中某个节点会运行driver进程，负责task调度。