Spark_on_k8s开发说明文档

YF_raaiiid

已于 2022-07-05 09:56:42 修改

阅读量750

点赞数

文章标签： spark java kubernetes

于 2022-07-05 09:47:20 首次发布

本文链接：https://blog.csdn.net/qq_45749457/article/details/125613595

版权

Spark on k8s架构图

提交任务的方式

spark-submit介绍

提交机制：

① Spark创建一个Spark Driver 运行在一个 Kubernetes pod容器里；

② Spark Driver 再去创建 executors （in Kubernetes pods），并去与这些executors进行通信，然后执行application code；

③ 任务完成后，executor pods 终止运行并被清理掉；而 driver 所在的pod会仍以 **“completed”**状态存活，直到最终垃圾回收或者手动清除。

**Note：**处于completed状态时的driver pod，它不会使用任何的计算资源或是说内存资源。

Spark Submit can be used to submit a Spark Application directly to a Kubernetes cluster. The flow would be as follows:

Spark Submit is sent from a client to the Kubernetes API server in the master node.
Kubernetes will schedule a new Spark Driver pod.
Spark Driver pod will communicate with Kubernetes to request Spark executor pods.
The new executor pods will be scheduled by Kubernetes.
Once the new executor pods are running, Kubernetes will notify Spark Driver pod that new Spark executor pods are ready.
Spark Driver pod will schedule tasks on the new Spark executor pods.

其中，步骤2启动Driver Pod后，Driver Pod在driver模式下里面的内容基本就是把arg参数传递给/bin/spark-submit，然后指定以client模式再次启动一个SparkSubmit进程。执行–class 参数后面的类（即，测试中的org.apache.spark.examples.SparkPi)

spark-on-k8s Operator介绍

Spark Operator的主要组件如下：

1、SparkApplication Controller : 用于监控并相应SparkApplication的相关对象的创建、更新和删除事件；

**2、Submission Runner：**用于接收Controller的提交指令，并通过spark-submit 来提交Spark作业到K8S集群并创建Driver Pod，driver正常运行之后将启动Executor Pod；

**3、Spark Pod Monitor：**实时监控Spark作业相关Pod（Driver、Executor）的运行状态，并将这些状态信息同步到Controller ;

**4、Mutating Admission Webhook：**可选模块，但是在Spark Operator中基本上所有的有关Spark pod在Kubernetes上的定制化功能都需要使用到该模块，因此建议将enableWebhook这个选项设置为true。

5、sparkctl： 基于Spark Operator的情况下可以不再使用kubectl来管理Spark作业了，而是采用Spark Operator专用的作业管理工具sparkctl，该工具功能较kubectl功能更为强大、方便易用。

其中，Controller是作为Spark Operator的核心组件，用于控制和处理pod以及应用运行的状态变化。

依赖管理

Yarn提供一个全局的spark版本，包括python的版本，全局的包的依赖，缺少环境隔离。而k8s是完全的环境隔离，每一个应用可以跑在完全不同的环境、版本等。Yarn的包管理方案是上传依赖包到HDFS。K8s的包管理方案是自己管理镜像仓库，将依赖包打入image中，支持包依赖管理，将包上传到 OSS/HDFS，区分不同级别任务，混合使用以上两种模式。

使用spark on k8s的优缺点

基础镜像

集群管理

Sizing your pods

problem&solution 1

10% capacity for daemonsets: for networking or monitoring

Scaling your pods

problem & solution 1

problem & solution 2

发现该Executor’要死了，把他的东西都挪到另一个上去

Using spot pods

任务提交实测

1、前提条件

根据自身所要使用的spark版本查询Spark On K8s官方文档，满足其Prerequisites中的条件。

例如，所测的Spark 2.4.0 版本：

spark version >= 2.3
Kubenertes cluster version >= 1.6
测试对集群权限 kubectl auth can-i <list|create|edit|delete> pods.
集群配置 Kubernetes DNS .

Note：更新Kubernetes Cluster

1、从现有集群更新，每次更新只能跳过一个大版本（from 1.23.x to 1.24.x）或者是在一个大版本内更新（from 1.24.x to 1.24.y，x < y）【具体更新流程查阅https://kubernetes.io/docs/tasks/administer-cluster/kubeadm/kubeadm-upgrade/ 】

2、直接删除原本集群，重新部署。

2、镜像准备

Kubernetes要求用户准备好能够部署在pod中的container的镜像。从Spark2.3开始，可以借助内置的DockerFile来实现此要求，用户也可以根据该DockerFile文件添加自己的需求实现自定义。

**例子：**构建镜像

./bin/docker-image-tool.sh -r raaiiid57 -t my-tag build  
./bin/docker-image-tool.sh -r raaiiid57 -t my-tag push

push之后可以在dockerhub上查看到自己提交的镜像；

-r：仓库名

-t：标签名

3、Cluster 模式下提交

bin/spark-submit \
--master k8s://https://ip:port \
--deploy-mode cluster \
--name spark-pi \
--class org.apache.spark.examples.SparkPi \
--conf spark.executor.instances=5 \
--conf spark.kubernetes.container.image=raaiiid57/spark:v1.0 \
--conf spark.executor.request.cores=3400M \
--conf spark.kubernetes.authenticate.driver.serviceAccountName=default \
local:///opt/spark/examples/jars/spark-examples_2.11-2.4.0.jar

–master k8s://<api_server_url>.（可用kubectl cluster-info查询<api_server_url>）；

–conf spark.executor.request.cores=3400M （控制每个Executor可以使用的cores，一般部署节点cores的85%，过多会导致driver pod 一直处于Pending状态）；

4、任务报错调试

① 获取日志

kubectl -n=<namespace> logs -f <driver-pod-name>

若配置了DashBoard，也可直接查看到该日志内容

② 获取Driver Web UI界面

$ kubectl port-forward <driver-pod-name> 4040:4040

然后，通过访问http://localhost:4040即可访问到Spark Driver UI

③ Debugging

获取基本信息

$ kubectl describe pod <spark-driver-pod>

获取详细的运行时错误

$ kubectl logs <spark-driver-pod>

问题记录

kubectl describe pod [podID]

kubectl logs [podID]

1、spark-submit命令行提交时，不要有任何多余的空格

格式应该如下：

bin/spark-submit \
--master k8s://https://ip:port \
--deploy-mode cluster \
--name spark-pi \
--class org.apache.spark.examples.SparkPi \
--conf spark.executor.instances=5 \
--conf spark.kubernetes.container.image=raaiiid57/spark:v1.0 \
--conf spark.executor.request.cores=3400M \
--conf spark.kubernetes.authenticate.driver.serviceAccountName=default \
local:///opt/spark/examples/jars/spark-examples_2.11-2.4.0.jar

2、 WARN WatchConnectionManager:185 - Exec Failure: HTTP 403, Status: 403 - java.net.ProtocolException: Expected HTTP 101 response but was ‘403 Forbidden’

在构建容器的DockerFile中添加kubernetes-client-4.2.2.jar，删除原有的kubernetes-client-3.0.0.jar

RUN rm $SPARK_HOME/jars/kubernetes-client-3.0.0.jar
ADD https://repo1.maven.org/maven2/io/fabric8/kubernetes-client/4.4.2/kubernetes-client-4.4.2.jar $SPARK_HOME/jars

3、Exception in thread “main” java.lang.NoSuchMethodError: io.fabric8.kubernetes.api.model.AuthInfo.getExec()Lio/fabric8/kubernetes/api/model/ExecConfig;

**原因：**存在相关jar包版本不匹配，移除了kubernetes-client-3.0.0.jar 引进kubernetes-client-4.2.2.jar，恢复jar包即可；

在解决上面问题2的时候，错误的将kubernetes-client-3.0.0.jar放到了宿主机环境下的spark jar包文件夹中，导致执行spark-submit时出现了有方法找不到的问题，恢复原来jar包内容即可（即删除错误加入宿主机环境中的kubernetes-client-4.2.2.jar，放回kubernetes-client-3.0.0.jar）

4、Error initializing SparkContext.org.apache.spark.SparkException: External scheduler cannot be instantiated

kubectl create clusterrolebinding default --clusterrole=edit --serviceaccount=default:default --namespace=default

kubectl create serviceaccount spark
kubectl create clusterrolebinding spark-role --clusterrole=edit --serviceaccount=default:spark --namespace=default
spark-submit --conf spark.kubernetes.authenticate.driver.serviceAccountName=spark

kubectl delete serviceaccount [name]
kubectl delete clusterrolebinding [name]

[name] 可用 kubectl get 资源类型来查询；
serviceaccount spark
kubectl create clusterrolebinding spark-role --clusterrole=edit --serviceaccount=default:spark --namespace=default
spark-submit --conf spark.kubernetes.authenticate.driver.serviceAccountName=spark




```SHELL
kubectl delete serviceaccount [name]
kubectl delete clusterrolebinding [name]

[name] 可用 kubectl get 资源类型来查询；