standalone多作业资源调度

北风网spark学习笔记

standalone多作业资源调度

• standalone集群对于同时提交上来的多个作业，仅仅支持FIFO调度策略，也就是先入先出
  默认情况下，集群对多个作业同时执行的支持是不好的，没有办法同时执行多个作业，因为先提交上来的每一个作业都会尝试使用集群中所有可用的cpu资源，此时相当于就是只能支持作业串行起来，一个一个运行了
• 如果希望能够支持多作业同时运行，那么就需要调整一下资源参数，我们可以设置spark.cores.max参数，来限制每个作业能够使用的最大的cpu core数量，这样先提交上来的作业不会使用所有的cpu资源，后面提交上来的作业就可以获取到资源，也可以同时并行运行了
• 集群一共有20个节点，每个节点是8核，160 cpu core，那么，如果不限制每个作业获取的最大cpu资源大小，而且spark-submit的时候，或者说，就设置了num-executors，total-cores，160，此时，作业是会使用所有的cpu core资源的
• 如果可以通过设置全局的一个参数，让每个作业最多只能获取到一部分cpu core资源，那么，后面提交上来的作业，就也可以获取到一部分资源，standalone集群，才可以支持同时执行多个作业

使用SparkConf或spark-submit中的–conf标识，设置参数即可

SparkConf conf = new SparkConf()
.set("spark.cores.max", "10")

• 通常不建议使用SparkConf，硬编码，来设置一些属性，不够灵活，建议使用spark-submit来设置属性

--conf spark.cores.max=10

• 还可以直接通过spark-env.sh配置每个application默认能使用的最大cpu数量来进行限制，默认是无限大，此时就不需要每个application都自己手动设置了，在spark-env.sh中配置spark.deploy.defaultCores即可

export SPARK_MASTER_OPTS="-Dspark.deploy.defaultCores=10"