Spark on Yarn运行时加载的jar包

spark on yarn运行时会加载的jar包有如下：

• spark-submit中指定的--jars
• $SPARK_HOME/jars下的jar包
• yarn提供的jar包
• spark-submit通过参数spark.driver/executor.extraClassPath指定的jar包

spark-submit指定的--jar

当使用如下的脚本提交应用时，会将应用本身的jar以及--jar指定的jar包上传到集群中。

./bin/spark-submit \
	--class org.apache.spark.examples.SparkPi \ 
	--jars a.jar,b.jar,c.jar \
	http://path/to/examples.jar \

--jar是以逗号分隔的jar包列表，不支持直接使用目录。

--jar上传的包会包含在Driver和Executor的classpath中

$SPARK_HOME/jars下的jar包

提交应用时，会将$SPARK_HOME/jars下的所有jar包打成一个zip包，上传到集群中。

“打zip上传”这个操作会在每次提交应用时执行，会有一点的性能损耗。

spark提供了spark.yarn.archive和spark.yarn.jars两个参数。可以将spark运行时需要的jar包缓存在HDFS上，无需每次运行任务的时候都进行分发。

如spark.yarn.archive=hdfs://cdh1/spark-jar.zip，直接从对应路径读取spark运行时需要的包。

yarn提供的jar包

在yarn-site.xml中会配置yarn.application.classpath，包含hadoop相关的一些包

<property>
<name>yarn.application.classpath</name>
	<value>   	 $HADOOP_CLIENT_CONF_DIR,$HADOOP_COMMON_HOME/*,$HADOOP_COMMON_HOME/lib/*,$HADOOP_HDFS_HOME/*,$HADOOP_HDFS_HOME/lib/*,$HADOOP_YARN_HOME/*,$HADOOP_YARN_HOME/lib/*
    </value>
</property>

这些包也会在应用提交的时候被加载。

通过参数指定的jar包

提供了以下4个相关参数：

spark.executor.extraClassPath显式地将jar包注册到executor的classpath中

spark.driver.extraClassPath与executor配置项同理

spark.driver.userClassPathFirst=true

spark.executor.userClassPathFirst=true

通过extraClassPath指定jar包的方式和之前通过--jars差不多，只不过extraClassPath可以通过指定目录的方式来指定，如/cdh1/jars/*。

还有一点重要的是：extraClassPath可以通过配置userClassPathFirst 来保证用户指定的jar包先被加载，这在解决冲突时是作用很大的。