1 官网地址
2 Spark on Yarn的两种运行模式
- Spark on Yarn的两种运行模式:cluster和client;
- 一句话概述两种的区别就是Spark driver到底运行再什么地方,带着这个问题来学习两种的区别;
- In cluster mode:Driver运行在NodeManage的AM(Application Master)中,它负责向YARN申请资源,并监督作业的运行状况。当用户提交了作业之后,就可以关掉Client,作业会继续在YARN上运行。可以参考这篇博客理解job提交到yarn上的执行流程。
- In client mode: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。
3 架构图
In cluster mode
运行流程由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 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)ResouceManager向NodeManager申请资源,创建Spark ApplicationMaster(每个SparkContext都有一个ApplicationMaster)
- NodeManager启动Spark App Master,并向ResourceManager AsM注册
- Spark ApplicationMaster从HDFS中找到jar文件,启动DAGscheduler和YARN Cluster Scheduler
- ResourceManager向ResourceManager AsM注册申请container资源(INFO YarnClientImpl: Submitted application)
- 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的对应一个executor)
- Spark ApplicationMaster直接和container(executor)进行交互,完成这个分布式任务。
- In client mode
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。
配置YARN-Client模式同样需要HADOOP_CONF_DIR/YARN_CONF_DIR和SPARK_JAR变量。