Spark中Standalone的两种提交模式

Spark中Standalone有两种提交模式，一个是Standalone-client模式，一个是Standalone-cluster模式。

1.Standalone-client提交任务方式

提交命令

./spark-submit --master spark://node01:7077 --class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100

或者

./spark-submit --master spark://node01:7077 --deploy-mode client --class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100

解释：–class org.apache.spark.examples.SparkPi 是main函数

执行流程

1.集群启动，worker向master汇报情况，master掌握了worker的工作情况；
2.client模式提交任务后，会在客户端启动Driver进程；Driver会向Master申请启动Application启动的资源。
3.资源申请成功，Driver端将task发送到worker端执行。
4.worker将task执行结果返回到Driver端。(由代码设置)

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。（因为要监控task的运行情况，会占用很多端口，如上图的结果图）客户端网卡通信，都被task监控信息占用。

Client端作用

1.任务的分发。
2.结果的回收。(可能)
3.监控task执行情况。
4.任务的重试

2.Standalone-cluster提交任务方式

提交命令

./spark-submit  --master spark://node01:7077  --deploy-mode cluster --class org.apache.spark.examples.SparkPi  ../lib/spark-examples-1.6.0-hadoop2.6.0.jar  100

1.当在客户端提交多个application时，Driver会在Woker节点上随机启动，这种模式会将单节点的网卡流量激增问题分散到集群中。在客户端看不到task执行情况和结果。要去webui中看。
2.cluster模式适用于生产环境
3.Master模式先启动Driver，再启动Application。
注意：Standalone-cluster提交方式，应用程序使用的所有jar包和文件，必须保证所有的worker节点都要有，因为此种方式，spark不会自动上传包。

解决办法：

将所有的依赖包和文件打到同一个包中，然后放在hdfs上。
将所有的依赖包和文件各放一份在worker节点上。

 

执行流程

1.集群启动，worker向master汇报工作情况，master掌握集群资源；

2.客户端使用命令spark-submit --deploy-mode cluster 后会启动spark-submit进程
3.此进程为Driver向Master申请资源，Driver进程默认需要1G内存和1Core
4.Master会随机在一台worker节点来启动Driver进程
5.Driver启动成功后，spark-submit关闭，然后Driver向Master申请资源
6.Master接收到请求后，会在资源充足的worker节点上启动Executor进程
7.Driver分发Task到Executor中执行

总结

1.当在客户端提交多个application时，Driver会在Woker节点上随机启动，这种模式会将单节点的网卡流量激增问题分散到集群中。在客户端看不到task执行情况和结果。要去webui中看。
2.cluster模式适用于生产环境
3.Master模式先启动Driver，再启动Application。

须知

spark shell 模式是以client提交的(第一种)，所以不能加入--deploy-mode cluster的(第二种) client方式用于测试环境，用于方便查看结果，因为 spark shell 模式以client方式提交，所以 spark shell 模式不支持--deploy-mode cluster提交

使用StandAlone集群的话：

1.不需要开启HDFS，但保证需要执行的Application的包，每个节点都有
2.都需要spark的包
3.不能开启yarn集群

yarn和Stand alone都是资源管理的，同时开启会造成资源隔离和资源抢夺