Client(了解)
Spark的Driver驱动程序运行在提交任务的客户端上。
- 优点
- 因为Driver在客户端,所有在Driver中的程序结果输出可以客户端控制台看到
- 缺点
- 和集群的通信成本高
- 当驱动进程挂掉,需要手动启动
client具体执行流程
- Driver在任务提交的本地机器(客户端)上运行,Driver启动后会申请启动ApplicationMaster
- 启动的ResourceManager会通知一台合适的机器(NodeManager),并分配Container(容器),启动ApplicationMaster,此时ApplicationMaster的功能相当于一个ExcutorLaucher(计算任务执行管理者),只负责向ResourceManager申请Excutor内存
- ResourceManager接收到ApplicationMaster的资源申请后会分配Container,然后ApplicationMaster在资源分配指定的NodeManager(通常有多个)上启动Excutor进程
- Executor进程启动后会向Driver反向注册,当所有的Excutor全部注册完成后,Driver开始执行main函数
- 之后执行带Action算子时,出发一个Job,并根据宽依赖开始划分Stage,每个Stage生成对应的TaskSet,之后将Task分发到各个Executor上执行。
案例
前提:
1.需要Yarn集群
2.历史服务器
3.提交任务的的客户端工具-spark-submit命令
4.待提交的spark任务/程序的字节码–可以使用示例程序
需求:求Pi元圆周率
代码:
SPARK_HOME=/export/servers/spark
${SPARK_HOME}/bin/spark-submit \
--master yarn \
--deploy-mode client \
--driver-memory 512m \
--driver-cores 1 \
--executor-memory 512m \
--num-executors 2 \
--executor-cores 1 \
--class org.apache.spark.examples.SparkPi \
${SPARK_HOME}/examples/jars/spark-examples_2.11-2.4.7.jar \
10
结果:
查看Web界面:
http://node01:8088/cluster
Cluster模式(开发使用)
Spark的Driver驱动程序,运行在Yarn集群上
- 优点
1.因为Driver是交给Yarn管理的,如果失败会有Yarn重启
2. 和集群的通信成本低
- 缺点
1.Drive中的程序结果在客户端控制台上看不到,在Yarn中看
具体流程步骤
- 任务提交后合ResourceManager通讯申请启动ApplicationMaster
- 随后ResourceManager分配Container,在合适的NodeManager启动ApplicationMaster,此时的ApplicationMaster就是Driver
- Driver启动后向ResourceManager申请Excutor内存,ResourceManager接收到ApplicationMaster的资源申请后会分配Container,然后在合适的NodeManager上启动Excutor进程
- Excutor进程启动后会反向注册
- Excutor全部注册完成后Driver开始执行main函数,之后执行到Action算子时,触发job,并根据宽依赖开始划分stage,每个stage生成对应的taskSet,之后将taskset分发到Excutor上执行
案例
前提:
1.需要Yarn集群
2.历史服务器
3.提交任务的的客户端工具-spark-submit命令
4.待提交的spark任务/程序的字节码–可以使用示例程序
需求:求Pi元圆周率
代码:
SPARK_HOME=/export/servers/spark
${SPARK_HOME}/bin/spark-submit \
--master yarn \
--deploy-mode cluster \
--driver-memory 512m \
--driver-cores 1 \
--executor-memory 512m \
--num-executors 2 \
--executor-cores 1 \
--class org.apache.spark.examples.SparkPi \
${SPARK_HOME}/examples/jars/spark-examples_2.11-2.4.7.jar \
10
结果:
查看Web界面:
http://node01:8088/cluster
补充:spark-shell和spark-submit
-
两个命令的区别
spark-shell:spark应用交互式窗口。启动后可以直接编写spark代码,即时运行,一般在学习测试时使用
spark-submit:用来将spark任务/程序的jar包提交到spark集群(一般提交到yarn集群) -
可以携带哪些参数
- –master:默认是local[*]
或者指定 --master local[2],表示启动两个线程进行Spark任务作业
–master spark://node01:7077,表示在node01进行Spark任务作业
–master yarn,表示在yarn集群上进行Spark任务作业
- 其他参数
使用进行查看:spark-shell --help