Spark 的几种运行模式

最新推荐文章于 2023-04-05 15:23:59 发布

weixin_33722405

最新推荐文章于 2023-04-05 15:23:59 发布

阅读量437

点赞数

文章标签：大数据 python ui

原文链接：https://my.oschina.net/u/3701483/blog/3017195

版权

1.测试或实验性质的本地运行模式（单机）

该模式被称为Local[N]模式，是用单机的多个线程来模拟Spark分布式计算，通常用来验证开发出来的应用程序逻辑上有没有问题。其中N代表可以使用N个线程，每个线程拥有一个core。如果不指定N，则默认是1个线程（该线程有1个core）。
指令示例：

1）spark-shell --master local 效果是一样的

2）spark-shell --master local[4] 代表会有4个线程（每个线程一个core）来并发执行应用程序。
运行该模式非常简单，只需要把Spark的安装包解压后，改一些常用的配置即可使用，而不用启动Spark的Master、Worker守护进程( 只有集群的Standalone方式时，才需要这两个角色)，也不用启动Hadoop的各服务（除非你要用到HDFS），这是和其他模式的区别，要记住才能理解。

2.测试或实现性质的本地伪集群运行模式（单机模拟集群）

这种运行模式，和Local[N]很像，不同的是，它会在单机启动多个进程来模拟集群下的分布式场景，而不像Local[N]这种多个线程只能在一个进程下委屈求全的共享资源。通常也是用来验证开发出来的应用程序逻辑上有没有问题，或者想使用Spark的计算框架而没有太多资源。
指令示例：

1）spark-shell --master local-cluster[2, 3, 1024]
用法是：提交应用程序时使用local-cluster[x,y,z]参数：x代表要生成的executor数，y和z分别代表每个executor所拥有的core和memory数。
该模式依然非常简单，只需要把Spark的安装包解压后，改一些常用的配置即可使用。而不用启动Spark的Master、Worker守护进程( 只有集群的standalone方式时，才需要这两个角色)，也不用启动Hadoop的各服务（除非你要用到HDFS），这是和其他模式的区别哦，要记住才能理解。

3.spark自带Cluster Manager的standalone Client模式（集群）

和单机运行的模式不同，这里必须在执行应用程序前，先启动Spark的Master和Worker守护进程。不用启动Hadoop服务，除非你用到了HDFS的内容。可以在想要做为Master的节点上用start-all.sh一条命令即可，这种运行模式，可以使用Spark的8080 web ui来观察资源和应用程序的执行情况了。用如下命令提交应用程序
指令示例：

1）spark-shell --master spark://wl1:7077

或者

2）spark-shell --master spark://wl1:7077 --deploy-mode client
产生的进程：

①Master进程做为cluster manager，用来对应用程序申请的资源进行管理

②SparkSubmit 做为Client端和运行driver程序

③CoarseGrainedExecutorBackend 用来并发执行应用程序

4.spark 自带Cluster manager 的Standalone cluster模式（集群）

第4种模式和第3种模型的区别：

①客户端的SparkSubmit进程会在应用程序提交给集群之后就退出

②Master会在集群中选择一个Worker进程生成一个子进程DriverWrapper来启动driver程序

③而该DriverWrapper 进程会占用Worker进程的一个core，所以同样的资源下配置下，会比第3种运行模式，少用1个core来参与计算

④应用程序的结果，会在执行driver程序的节点的stdout中输出，而不是打印在屏幕上

5.基于YARN的Resource Manager 的Client 模式（集群）

现在越来越多的场景，都是Spark跑在Hadoop集群中，所以为了做到资源能够均衡调度，会使用YARN来做为Spark的Cluster Manager，来为Spark的应用程序分配资源。在执行Spark应用程序前，要启动Hadoop的各种服务。由于已经有了资源管理器，所以不需要启动Spark的Master、Worker守护进程。

使用如下命令执行应用程序：
指令示例：

1）spark-shell --master yarn

或者

2）spark-shell --master yarn --deploy-mode client
提交应用程序后，各节点会启动相关的JVM进程，如下：

①在Resource Manager节点上提交应用程序，会生成SparkSubmit进程，该进程会执行driver程序。

②RM会在集群中的某个NodeManager上，启动一个ExecutorLauncher进程，来做为ApplicationMaster。

③另外，RM也会在多个NodeManager上生成CoarseGrainedExecutorBackend进程来并发的执行应用程序。

6.基于YARN的Resource Manager 的 Cluster 模式（集群）

1）spark-shell --master yarn --deploy-mode cluster

和第5种运行模式，区别如下：

①在Resource Manager端提交应用程序，会生成SparkSubmit进程，该进程只用来做Client端，应用程序提交给集群后，就会删除该进程。
②Resource Manager在集群中的某个NodeManager上运行ApplicationMaster，该AM同时会执行driver程序。紧接着，会在各NodeManager上运行CoarseGrainedExecutorBackend来并发执行应用程序。
③应用程序的结果，会在执行driver程序的节点的stdout中输出，而不是打印在屏幕上。

此外，还有Spark On Mesos模式可以参阅：

http://ifeve.com/spark-mesos-spark/

转载于:https://my.oschina.net/u/3701483/blog/3017195