spark提交任务的几种方式

目录

1、Standalone模式两种提交任务方式

1.1、Standalone-client提交任务方式

1.2、Standalone-cluster提交任务方式

1.3、总结Standalone两种方式提交任务，Driver与集群的通信包括：

2、Yarn模式两种提交任务方式

2.1、yarn-client提交任务方式

2.2、yarn-cluster提交任务方式

2.3、两种模式的区别

---

---

1、Standalone模式两种提交任务方式

1.1、Standalone-client提交任务方式

（1）提交命令：

bin/spark-submit \

--master spark://node1:7077 \

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

examples/jars/spark-examples_2.11-2.3.3.jar \

1000

或者

bin/spark-submit \

--master spark://node1:7077 \

--deploy-mode client \      //显示指定client

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

examples/jars/spark-examples_2.11-2.3.3.jar \

1000

(2)执行原理图解

(3)执行流程

1. worker向Master汇报资源；（Master掌握集群资源）
2. client模式提交任务后，会在客户端启动Driver进程。
3. Driver会向Master申请启动Application的资源。
4. 资源申请成功，Master通知worker启动executor进程。
5. executor反向注册资源给Driver端。
6. Driver端将task发送到worker端执行。
7. worker将task执行结果返回到Driver端。

（4）总结
client模式适用于测试调试程序。Driver进程是在客户端启动的，这里的客户端就是指提交应用程序的当前节点。在Driver端可以看到task执行的情况。生产环境下不能使用client模式，是因为：假设要提交100个application到集群运行，Driver每次都会在client端启动，那么就会导致客户端100次网卡流量暴增的问题。

1.2、Standalone-cluster提交任务方式

（1）提交命令

bin/spark-submit \

--master spark://node1:7077 \

--deploy-mode cluster \      //显示指定cluster

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

examples/jars/spark-examples_2.11-2.3.3.jar \

1000

（2）执行原理图解

（3）执行流程

1. cluster模式提交应用程序后，会向Master请求启动Driver。
2. Master接受请求，随机在集群一台节点（worker）启动Driver进程。
3. Driver启动后为当前的application申请资源。
4. 资源申请成功，Master通知worker启动executor进程。
5. Driver端发送task到worker节点上执行。
6. worker将执行情况和执行结果返回给Driver端。

（4）总结
Driver进程是在集群某一台Worker上启动的，在客户端是无法查看task的执行情况的。假设要提交100个application到集群运行,每次Driver会随机在集群中某一台Worker上启动，那么这100次网卡流量暴增的问题就散布在集群上。

1.3、总结Standalone两种方式提交任务，Driver与集群的通信包括：

（1）Driver负责应用程序资源的申请；

（2）任务的分发；

（3） 结果的回收；

（4）监控task执行情况。

2、Yarn模式两种提交任务方式

2.1、yarn-client提交任务方式

（1）提交命令

bin/spark-submit \

--master yarn \

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

examples/jars/spark-examples_2.11-2.3.3.jar \

100

或

bin/spark-submit \

--master yarn–client \

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

examples/jars/spark-examples_2.11-2.3.3.jar \

100

或

bin/spark-submit \

--master yarn \

--deploy-mode  client \

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

examples/jars/spark-examples_2.11-2.3.3.jar \

100

或指定其他参数

spark-submit --class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode client \
--driver-memory 1g \             //driver端内存1g
--executor-memory 1g \        //需要的每个executor内存为1g
--executor-cores 1 \               //cpu核数1
/install/spark/examples/jars/spark-examples_2.11-2.3.3.jar \
10

（2）执行原理图解

（3）执行流程

1. 客户端提交一个Application，在客户端启动一个Driver进程。
2. 客户端向RS(ResourceManager)发送请求，启动AM(ApplicationMaster)的资源。
3. RS收到请求，随机选择一台NM(NodeManager)启动AM。这里的NM相当于Standalone中的Worker节点。
4. AM启动后，会向RS请求一批container资源，用于启动Executor.
5. RS会找到一批NM返回给AM,用于启动Executor。
6. AM会向NM发送命令启动Executor。
7. Executor启动后，会反向注册给Driver。
8. Driver发送task到Executor,执行情况和结果返回给Driver端。

（4）总结
Yarn-client模式同样是适用于测试，因为Driver运行在本地，Driver会与yarn集群中的Executor进行大量的通信，会造成客户机网卡流量的大量增加.
ApplicationMaster的作用：
1.为当前的Application申请资源
2.给NameNode发送消息启动Executor。
注意：ApplicationMaster有launchExecutor和申请资源的功能，并没有作业调度的功能。

2.2、yarn-cluster提交任务方式

（1）提交命令

bin/spark-submit \

--master yarn \

--deploy-mode cluster \

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

examples/jars/spark-examples_2.11-2.3.3.jar \

100

或

bin/spark-submit \

--master yarn-cluster \

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

examples/jars/spark-examples_2.11-2.3.3.jar \

100

或指定其他相关参数：

spark-submit --class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
--driver-memory 1g \          //driver端内存1g
--executor-memory 1g \     //需要的每个executor内存为1g
--executor-cores 1 \            //cpu核数1
/install/spark/examples/jars/spark-examples_2.11-2.3.3.jar \
10

 

（2）执行原理图解

（3）执行流程

1. 客户机提交Application应用程序，发送请求到RS(ResourceManager),请求启动AM(ApplicationMaster)。
2. RS收到请求后随机在一台NM(NodeManager)上启动AM（相当于Driver端）。
3. AM启动，AM发送请求到RS，请求一批container用于启动Executor。
4. RS返回一批NM节点给AM。
5. AM连接到NM,发送请求到NM启动Executor。
6. Executor反向注册到AM所在的节点的Driver。Driver发送task到Executor。

（4）总结

Yarn-Cluster主要用于生产环境中，因为Driver运行在Yarn集群中某一台nodeManager中，每次提交任务的Driver所在的机器都是随机的，不会产生某一台机器网卡流量激增的现象，缺点是任务提交后不能看到日志。只能通过yarn查看日志。

ApplicationMaster的作用：

1. 为当前的Application申请资源
2. 给NameNode发送消息启动Excutor。
3. 任务调度。

2.3、两种模式的区别

两者最大的区别就是Driver端的位置不一样。

（1）yarn-cluster模式：

• spark程序的Driver程序在YARN集群中运行，与ApplicationMaster进程在一起。运行结果不能在客户端显示，并且客户端可以在启动应用程序后消失应用的；
• 最后运行那些将结果最终保存在外部存储介质（如HDFS、Redis、Mysql），客户端的终端显示的仅是作为YARN的job的简单运行状况。

• 需去web端去查看job的运行情况。

（2）yarn-client模式：

• spark程序的Driver运行在提交任务的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）。