spark提交任务参数–executor-cores设置不起作用

问题描述

1.虽然目前大多数平台内置Application在提交时，只配置了–num-executors和–executor-memory参数，但是其他APP的开发者可能会配置–executor-cores参数。

举个例子：

./spark-submit –master yarn-client –executor-cores 4 –num-executors 6  –executor-memory 10g –driver-memory 2g   –jars xxJar –class xxxApp 

即有6个executor，每个executor的cores数目为4。不过当你提交任务时，你一定会非常吃惊，因为yarn 8088上展示的vcores会是7。看起来就像是参数设置并未生效一样。

问题分析与解决

两个原因：
1.配置不对
其实这是因为我们的capacity schedule使用的是DefaultResourceCalculator，那么DefaultResourceCalculator它在加载container时其实仅仅只会考虑内存而不考虑cores。所以，如果我们想让它既考虑内存也考虑cores的话，需要将$HADOOP_HOME/etc/hadoop/capacity-scheduler.xml中的：

<property>
<name>yarn.scheduler.capacity.resource-calculator</name>
<value>org.apache.hadoop.yarn.util.resource.DefaultResourceCalculator</value>
</property>

修改为：

<property>
<name>yarn.scheduler.capacity.resource-calculator</name>
<value>org.apache.hadoop.yarn.util.resource.DominantResourceCalculator</value>
</property>

请注意每个节点的配置文件都需要修改。并且重启hadoop。
这时再提交spark application，vcores used的数目就对了。
=25=4*6+1

另外，如果不期望在命令中写executor-cores参数，可以在$SPARK_HOME/conf/spark-env.sh里配置：

export SPARK_EXECUTOR_CORES=4

这样默认executor-cores就为4了。

2.本身机器资源就不够，并且开启了动态资源申请，这种情况的解决方案不用说了要么加资源，要么关闭动态资源申请，然后让任务在有资源的时候再执行