Spark HA高可用部署、基于文件系统单点恢复、基于zookeeper的Standby Master、如何恢复到上一次活着master挂掉之前的状态 03

1. Spark HA高可用部署

Spark Standalone集群时Master-Slaves架构的集群模式，和大部分的Master-Slaves结果集群一样，存在着Master单点故障的问题。如何解决这个单点故障的问题，Spark提供了两种方案：

1.1 基于文件系统的单点恢复（Single-Node Recovery with Local File System）

• 主要用于开发或测试环境。
• 当spark提供目录保存**spark Application和worker的注册信息，**并将它们的恢复状态写入该目录中，这时，一旦Master发生故障，就可以通过重新启动Master进程（sbin/start-master.sh），恢复已运行的spark Application和worker的注册信息。

1.2 基于ZK的Standby Masters(Standby Masters with Zookeeper)

• 用于生成模式，
• 基本原理是通过zk来选举一个Master，其他Master处于Standby状态。
• 将spark集群连接到同一个zk实例并启动多个Master，利用zk提供的选举和状态保存功能，可以使一个Master被选举成活着的Master，而其他Master处于Standby状态。
• 如果现任Master死去，另一个Master会通过选举产生，并恢复到旧的Master状态，然后恢复调度。
• 整个恢复过程可能要1-2分钟。

2. 基于Zookeeper的Spark HA高可用集群部署

该HA方案使用起来简单，首先需要搭建一个Zookeeper集群，然后启动Zookeeper集群，最后再不同阶段上启动Master。具体配置如下：

• vim spark-env.sh
  注释掉export SPARK_MASTER_HOST=node01
• 在spark-env.sh添加Spark_DAEMON_JAVA_OPTS，内容如下：

export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER-Dspark.deploy.zookeeper.url=node01:2181,node02:2181,node03:2181-Dspark.deploy.zookeeper.dir=/spark"

• 参数说明
  • spark.deploy.recoveryMode：恢复模式（Master重新启动的模式）
    有三种：(1)ZooKeeper (2) FileSystem (3)NONE
  • spark.deploy.zookeeper.url：ZooKeeper的Server地址
  • spark.deploy.zookeeper.dir：保存集群元数据信息的文件、目录。
    包括Worker，Driver和Application。
• 注意：
  在普通模式下启动spark集群，只需要在主机上面执行start-all.sh 就可以了。
  在高可用模式下启动spark集群，先需要在任意一台节点上启动start-all.sh命令。然后在另外一台节点上单独启动master。命令start-master.sh。

3. 如何恢复上一次活着Master挂掉之前的状态&在Master的恢复阶段对任务的影响

（1）如何恢复到上一次活着master挂掉之前的状态：

• 在高可用模式下，整个spark集群就有很多个master，其中只有一个master被zk选举成活着的master，其他的多个master都处于standby，同时把整个spark集群的元数据信息通过zk中节点进行保存。
• 后期如果活着的master挂掉。首先zk会感知到活着的master挂掉，下面开始在多个处于standby中的master进行选举，再次产生一个活着的master，这个活着的master会读取保存在zk节点中的spark集群元数据信息，恢复到上一次master的状态。
• 整个过程在恢复的时候经历过了很多个不同的阶段，每个阶段都需要一定时间，最终恢复到上个活着的master的转态，整个恢复过程一般需要1-2分钟。
  （2）在master的恢复阶段对任务的影响
• 针对于正在运行的任务，由于它已经分配到了资源，它是不受任何影响.
• 受影响的就是在当前这个挂掉的阶段，后面提交的新的任务，由于没有活着的master分配资源，该任务是无法运行。