spark运行模式介绍

spark 运行模式

0.spark-submit提交参数说明

 --master MASTER_URL         spark://host:port, mesos://host:port, yarn, or local.
  --deploy-mode DEPLOY_MODE   driver运行之处，client运行在本机，cluster运行在集群
  --class CLASS_NAME              应用程序包的要运行的class
  --name NAME                      应用程序名称
  --jars JARS                     用逗号隔开的driver本地jar包列表以及executor类路径
  --py-files PY_FILES         用逗号隔开的放置在Python应用程序PYTHONPATH上的.zip, .egg, .py文件列表
  --files FILES                     用逗号隔开的要放置在每个executor工作目录的文件列表
  --properties-file FILE     设置应用程序属性的文件放置位置，默认是conf/spark-defaults.conf
  --driver-memory MEM          driver内存大小，默认1G
  --driver-java-options          driver的java选项
  --driver-library-path       driver的库路径Extra library path entries to pass to the driver
  --driver-class-path         driver的类路径，用--jars 添加的jar包会自动包含在类路径里
  --executor-memory MEM       executor内存大小，默认1G

Spark standalone with cluster deploy mode only:
  --driver-cores NUM          driver使用内核数，默认为1
  --supervise                   如果设置了该参数，driver失败是会重启

Spark standalone and Mesos only:
  --total-executor-cores NUM  executor使用的总核数

YARN-only:
  --executor-cores NUM         每个executor使用的内核数，默认为1
  --queue QUEUE_NAME        提交应用程序给哪个YARN的队列，默认是default队列
  --num-executors NUM         启动的executor数量，默认是2个
  --archives ARCHIVES          被每个executor提取到工作目录的档案列表，用逗号隔开

1.cluster模式

Driver程序在YARN中运行，应用的运行结果不能在客户端显示，所以最好运行那些将结果最终保存在外部存储介质（如HDFS、Redis、Mysql）而非stdout输出的应用程序，客户端的终端显示的仅是作为YARN的job的简单运行状况。

2.client模式

Driver运行在Client上，应用程序运行结果会在客户端显示，所有适合运行结果有输出的应用程序（如spark-shell）

3.cluster模式原理

Spark Driver首先作为一个ApplicationMaster在YARN集群中启动，客户端提交给ResourceManager的每一个job都会在集群的NodeManager节点上分配一个唯一的ApplicationMaster，由该ApplicationMaster管理全生命周期的应用。具体过程：

1. 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的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)

2. ResourceManager为该应用程序分配第一个Container，创建Spark ApplicationMaster（每个SparkContext都有一个ApplicationMaster）
3. NodeManager启动ApplicationMaster，并向ResourceManager注册
4. ApplicationMaster从HDFS中找到jar文件，启动SparkContext、DAGscheduler和YARN Cluster Scheduler
5. ApplicationMaster向ResourceManager注册申请container资源
6. ResourceManager通知NodeManager分配Container（每个container对应一个executor）
7. Spark ApplicationMaster直接和container（executor）进行交互，完成这个分布式任务。

./spark-submit 
--class org.apache.spark.examples.SparkPi 
--master yarn 
--deploy-mode cluster 
--executor-memory 1g 
--executor-cores 1 
/root/spark-2.4.8-bin-hadoop2.7/examples/jars/spark-examples_2.11-2.4.8.jar 10

4.client模式

在client模式下，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。结束掉终端，相当于kill掉这个spark应用。一般来说，如果运行的结果仅仅返回到terminal上时需要配置这个。
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。

./spark-submit 
--class org.apache.spark.examples.SparkPi 
--master yarn 
--deploy-mode client 
--executor-memory 1g 
--executor-cores 1 
/root/spark-2.4.8-bin-hadoop2.7/examples/jars/spark-examples_2.11-2.4.8.jar 10