Spark On YARN自动调整Executor数量配置 - Dynamic Resource Allocation

Spark 1.5.2版本支持为Spark On YARN模式的Spark Application根据Task自动调整Executor数，要启用该功能，需做以下操作：

一：在所有的NodeManager中，修改yarn-site.xml，为yarn.nodemanager.aux-services添加spark_shuffle值，设置yarn.nodemanager.aux-services.spark_shuffle.class值为org.apache.spark.network.yarn.YarnShuffleService，如下：
修改：

点击(此处)折叠或打开

1. <property>
   
2. <name>yarn.nodemanager.aux-services</name>
   
3. <value>mapreduce_shuffle,spark_shuffle</value>
   
4. </property>

添加：

点击(此处)折叠或打开

1. <property>
   
2. <name>yarn.nodemanager.aux-services.spark_shuffle.class</name>
   
3. <value>org.apache.spark.network.yarn.YarnShuffleService</value>
   
4. </property>
5. 
   
6. <property>
   
7. <name>spark.shuffle.service.port</name>
   
8. <value>7337</value>
   
9. </property>

二：将 $SPARK_HOME/lib/spark-1.5.2-yarn-shuffle.jar 文件拷贝到hadoop/lib （hadoop lib）目录下，我的是/usr/lib/hadoop/lib/这个路径下，有些文章还说拷贝到/usr/lib/hadoop-yarn/lib/（yarn lib）或者软连接处理

备注：
这个操作在所有的 nodemanager 中操作


三：配置 $SPARK_HOME/conf/spark-defaults.conf，内容如下

spark.dynamicAllocation.minExecutors 1 #最小Executor数
spark.dynamicAllocation.maxExecutors 100 #最大Executor数

开启自动调节
spark.dynamicAllocation.enabled true
spark.shuffle.service.enabled true

四：执行时开启自动调整Executor数开关，以spark-sql yarn client模式为例：

spark-sql  --master yarn-client --conf spark.shuffle.service.enabled=true --conf spark.dynamicAllocation.enabled=true -e "SELECT COUNT(*) FROM xx"

这里的--conf spark.shuffle.service.enabled=true --conf spark.dynamicAllocation.enabled=true 如果在spark-defaults.conf设置开启就可以省略了

对于使用spark-submit也是一样：
    spark-submit \
    --class SySpark.SqlOnSpark \
    --master yarn-client \
    --conf spark.shuffle.service.enabled=true \
    --conf spark.dynamicAllocation.enabled=true \
    /data/jars/SqlOnSpark.jar \
    "SELECT COUNT(*) FROM xx"

参考：
http://blog.chinaunix.net/uid-22570852-id-5182664.html
http://lxw1234.com/archives/2015/12/593.htm
https://spark.apache.org/docs/1.5.2/job-scheduling.html#default-behavior-of-pools