Spark on YARN 的 Cluster 模式和Client 模式原理分析及区别对比分析

目录

• 1. Cluster 模式原理分析
• 2. Client 模式原理分析
• 3. 两种模式区别分析

1. Cluster 模式原理分析

客户端提交给ResourceManager的每一个job都会在集群的NodeManager节点上分配一个唯一的ApplicationMaster，由该ApplicationMaster管理全生命周期的应用，Spark Driver首先作为一个ApplicationMaster在YARN集群中启动。详细过程如下：

步骤一. 由client向ResourceManager提交请求，并上传jar到HDFS上，这期间包括四个步骤：

a).连接到RM

b).从RM的ASM（ApplicationsManager ）中获得metric、queue和resource等信息。

c). upload app jar and spark-assembly jar。

d).设置运行环境和container上下文（launch-container.sh等脚本)。

步骤二. ResouceManager向NodeManager申请资源，创建Spark ApplicationMaster，每个SparkContext都有一个ApplicationMaster。

步骤三. NodeManager启动ApplicationMaster，并向ResourceManager AsM注册。

步骤四 ApplicationMaster从HDFS中找到jar文件，启动SparkContext、DAGscheduler和YARN Cluster Scheduler。

步骤五. ResourceManager向ResourceManager AsM注册申请container资源。

步骤六. ResourceManager通知NodeManager分配Container，这时可以收到来自ASM关于container的报告。每个container对应一个executor。

步骤七. Spark ApplicationMaster直接和container（executor）进行交互，完成这个分布式任务。

2. Client 模式原理分析

在client模式下，Driver运行在Client上，通过ApplicationMaster向RM获取资源。本地Driver负责与所有的executor container进行交互，并将最后的结果汇总。结束掉终端，相当于kill掉这个spark应用。一般来说，如果运行的结果仅仅返回到terminal上时需要配置这个。

客户端的Driver将应用提交给Yarn后，Yarn会先后启动ApplicationMaster和executor，另外ApplicationMaster和executor都是装载在container里运行，container默认的内存是1G，ApplicationMaster分配的内存是driver- memory，executor分配的内存是executor-memory。同时，因为Driver在客户端，所以程序的运行结果可以在客户端显 示，Driver以进程名为SparkSubmit的形式存在。

3. 两种模式区别分析

cluster模式：Driver程序在YARN中运行，应用的运行结果不能在客户端显示，所以最好运行那些将结果最终保存在外部存储介质（如HDFS、Redis、Mysql）而非stdout输出的应用程序，客户端的终端显示的仅是作为YARN的job的简单运行状况。

client模式：Driver运行在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）。