spark提交任务的几种方式
目录
1.3、总结Standalone两种方式提交任务,Driver与集群的通信包括:
1、Standalone模式两种提交任务方式
1.1、Standalone-client提交任务方式
(1)提交命令:
bin/spark-submit \
--master spark://node1:7077 \
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
1000
或者
bin/spark-submit \
--master spark://node1:7077 \
--deploy-mode client \ //显示指定client
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
1000
(2)执行原理图解
(3)执行流程
- worker向Master汇报资源;(Master掌握集群资源)
- 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的资源。
- 资源申请成功,Master通知worker启动executor进程。
- executor反向注册资源给Driver端。
- Driver端将task发送到worker端执行。
- worker将task执行结果返回到Driver端。
(4)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。
1.2、Standalone-cluster提交任务方式
(1)提交命令
bin/spark-submit \
--master spark://node1:7077 \
--deploy-mode cluster \ //显示指定cluster
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
1000
(2)执行原理图解
(3)执行流程
- cluster模式提交应用程序后,会向Master请求启动Driver。
- Master接受请求,随机在集群一台节点(worker)启动Driver进程。
- Driver启动后为当前的application申请资源。
- 资源申请成功,Master通知worker启动executor进程。
- Driver端发送task到worker节点上执行。
- worker将执行情况和执行结果返回给Driver端。
(4)总结
Driver进程是在集群某一台Worker上启动的,在客户端是无法查看task的执行情况的。假设要提交100个application到集群运行,每次Driver会随机在集群中某一台Worker上启动,那么这100次网卡流量暴增的问题就散布在集群上。
1.3、总结Standalone两种方式提交任务,Driver与集群的通信包括:
(1)Driver负责应用程序资源的申请;
(2)任务的分发;
(3) 结果的回收;
(4)监控task执行情况。
2、Yarn模式两种提交任务方式
2.1、yarn-client提交任务方式
(1)提交命令
bin/spark-submit \
--master yarn \
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
100
或
bin/spark-submit \
--master yarn–client \
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
100
或
bin/spark-submit \
--master yarn \
--deploy-mode client \
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
100
(2)执行原理图解
(3)执行流程
- 客户端提交一个Application,在客户端启动一个Driver进程。
- 客户端向RS(ResourceManager)发送请求,启动AM(ApplicationMaster)的资源。
- RS收到请求,随机选择一台NM(NodeManager)启动AM。这里的NM相当于Standalone中的Worker节点。
- AM启动后,会向RS请求一批container资源,用于启动Executor.
- RS会找到一批NM返回给AM,用于启动Executor。
- AM会向NM发送命令启动Executor。
- Executor启动后,会反向注册给Driver。
- Driver发送task到Executor,执行情况和结果返回给Driver端。
(4)总结
Yarn-client模式同样是适用于测试,因为Driver运行在本地,Driver会与yarn集群中的Executor进行大量的通信,会造成客户机网卡流量的大量增加.
ApplicationMaster的作用:
1.为当前的Application申请资源
2.给NameNode发送消息启动Executor。
注意:ApplicationMaster有launchExecutor和申请资源的功能,并没有作业调度的功能。
2.2、yarn-cluster提交任务方式
(1)提交命令
bin/spark-submit \
--master yarn \
--deploy-mode cluster \
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
100
或
bin/spark-submit \
--master yarn-cluster \
--class org.apache.spark.examples.SparkPi \
examples/jars/spark-examples_2.11-2.3.3.jar \
100
(2)执行原理图解
(3)执行流程
- 客户机提交Application应用程序,发送请求到RS(ResourceManager),请求启动AM(ApplicationMaster)。
- RS收到请求后随机在一台NM(NodeManager)上启动AM(相当于Driver端)。
- AM启动,AM发送请求到RS,请求一批container用于启动Executor。
- RS返回一批NM节点给AM。
- AM连接到NM,发送请求到NM启动Executor。
- Executor反向注册到AM所在的节点的Driver。Driver发送task到Executor。
(4)总结
Yarn-Cluster主要用于生产环境中,因为Driver运行在Yarn集群中某一台nodeManager中,每次提交任务的Driver所在的机器都是随机的,不会产生某一台机器网卡流量激增的现象,缺点是任务提交后不能看到日志。只能通过yarn查看日志。
ApplicationMaster的作用:
- 为当前的Application申请资源
- 给NameNode发送消息启动Excutor。
- 任务调度。