獨立運行Spark

2018-02-24 15:58 更新

Spark獨立部署模式

安裝Spark獨立模式集群

安裝Spark獨立模式,你只需要將Spark的編譯版本簡單的放到集群的每個節(jié)點。你可以獲得每個穩(wěn)定版本的預編譯版本,也可以自己編譯。

手動啟動集群

你能夠通過下面的方式啟動獨立的master服務器。

./sbin/start-master.sh

一旦啟動,master將會為自己打印出spark://HOST:PORT URL,你能夠用它連接到workers或者作為"master"參數傳遞給SparkContext。你也可以在master web UI上發(fā)現這個URL,master web UI默認的地址是http://localhost:8080。

相同的,你也可以啟動一個或者多個workers或者將它們連接到master。

./bin/spark-class org.apache.spark.deploy.worker.Worker spark://IP:PORT

一旦你啟動了一個worker,查看master web UI。你可以看到新的節(jié)點列表以及節(jié)點的CPU數以及內存。

下面的配置參數可以傳遞給master和worker。

Argument Meaning
-h HOST, --host HOST 監(jiān)聽的主機名
-i HOST, --ip HOST 同上,已經被淘汰
-p PORT, --port PORT 監(jiān)聽的服務的端口(master默認是7077,worker隨機)
--webui-port PORT web UI的端口(master默認是8080,worker默認是8081)
-c CORES, --cores CORES Spark應用程序可以使用的CPU核數(默認是所有可用);這個選項僅在worker上可用
-m MEM, --memory MEM Spark應用程序可以使用的內存數(默認情況是你的機器內存數減去1g);這個選項僅在worker上可用
-d DIR, --work-dir DIR 用于暫存空間和工作輸出日志的目錄(默認是SPARK_HOME/work);這個選項僅在worker上可用
--properties-file FILE 自定義的Spark配置文件的加載目錄(默認是conf/spark-defaults.conf)

集群啟動腳本

為了用啟動腳本啟動Spark獨立集群,你應該在你的Spark目錄下建立一個名為conf/slaves的文件,這個文件必須包含所有你要啟動的Spark worker所在機器的主機名,一行一個。如果conf/slaves不存在,啟動腳本默認為單個機器(localhost),這臺機器對于測試是有用的。注意,master機器通過ssh訪問所有的worker。在默認情況下,SSH是并行運行,需要設置無密碼(采用私有密鑰)的訪問。如果你沒有設置為無密碼訪問,你可以設置環(huán)境變量SPARK_SSH_FOREGROUND,為每個worker提供密碼。

一旦你設置了這個文件,你就可以通過下面的shell腳本啟動或者停止你的集群。

  • sbin/start-master.sh:在機器上啟動一個master實例
  • sbin/start-slaves.sh:在每臺機器上啟動一個slave實例
  • sbin/start-all.sh:同時啟動一個master實例和所有slave實例
  • sbin/stop-master.sh:停止master實例
  • sbin/stop-slaves.sh:停止所有slave實例
  • sbin/stop-all.sh:停止master實例和所有slave實例

注意,這些腳本必須在你的Spark master運行的機器上執(zhí)行,而不是在你的本地機器上面。

你可以在conf/spark-env.sh中設置環(huán)境變量進一步配置集群。利用conf/spark-env.sh.template創(chuàng)建這個文件,然后將它復制到所有的worker機器上使設置有效。下面的設置可以起作用:

Environment Variable Meaning
SPARK_MASTER_IP 綁定master到一個指定的ip地址
SPARK_MASTER_PORT 在不同的端口上啟動master(默認是7077)
SPARK_MASTER_WEBUI_PORT master web UI的端口(默認是8080)
SPARK_MASTER_OPTS 應用到master的配置屬性,格式是 "-Dx=y"(默認是none),查看下面的表格的選項以組成一個可能的列表
SPARK_LOCAL_DIRS Spark中暫存空間的目錄。包括map的輸出文件和存儲在磁盤上的RDDs(including map output files and RDDs that get stored on disk)。這必須在一個快速的、你的系統(tǒng)的本地磁盤上。它可以是一個逗號分隔的列表,代表不同磁盤的多個目錄
SPARK_WORKER_CORES Spark應用程序可以用到的核心數(默認是所有可用)
SPARK_WORKER_MEMORY Spark應用程序用到的內存總數(默認是內存總數減去1G)。注意,每個應用程序個體的內存通過spark.executor.memory設置
SPARK_WORKER_PORT 在指定的端口上啟動Spark worker(默認是隨機)
SPARK_WORKER_WEBUI_PORT worker UI的端口(默認是8081)
SPARK_WORKER_INSTANCES 每臺機器運行的worker實例數,默認是1。如果你有一臺非常大的機器并且希望運行多個worker,你可以設置這個數大于1。如果你設置了這個環(huán)境變量,確保你也設置了SPARK_WORKER_CORES環(huán)境變量用于限制每個worker的核數或者每個worker嘗試使用所有的核。
SPARK_WORKER_DIR Spark worker運行目錄,該目錄包括日志和暫存空間(默認是SPARK_HOME/work)
SPARK_WORKER_OPTS 應用到worker的配置屬性,格式是 "-Dx=y"(默認是none),查看下面表格的選項以組成一個可能的列表
SPARK_DAEMON_MEMORY 分配給Spark master和worker守護進程的內存(默認是512m)
SPARK_DAEMON_JAVA_OPTS Spark master和worker守護進程的JVM選項,格式是"-Dx=y"(默認為none)
SPARK_PUBLIC_DNS Spark master和worker公共的DNS名(默認是none)

注意,啟動腳本還不支持windows。為了在windows上啟動Spark集群,需要手動啟動master和workers。

SPARK_MASTER_OPTS支持一下的系統(tǒng)屬性:

Property Name Default Meaning
spark.deploy.retainedApplications 200 展示完成的應用程序的最大數目。老的應用程序會被刪除以滿足該限制
spark.deploy.retainedDrivers 200 展示完成的drivers的最大數目。老的應用程序會被刪除以滿足該限制
spark.deploy.spreadOut true 這個選項控制獨立的集群管理器是應該跨節(jié)點傳遞應用程序還是應努力將程序整合到盡可能少的節(jié)點上。在HDFS中,傳遞程序是數據本地化更好的選擇,但是,對于計算密集型的負載,整合會更有效率。
spark.deploy.defaultCores (infinite) 在Spark獨立模式下,給應用程序的默認核數(如果沒有設置spark.cores.max)。如果沒有設置,應用程序總數獲得所有可用的核,除非設置了spark.cores.max。在共享集群上設置較低的核數,可用防止用戶默認抓住整個集群。
spark.worker.timeout 60 獨立部署的master認為worker失?。]有收到心跳信息)的間隔時間。

SPARK_WORKER_OPTS支持的系統(tǒng)屬性:

Property Name Default Meaning
spark.worker.cleanup.enabled false 周期性的清空worker/應用程序目錄。注意,這僅僅影響獨立部署模式。不管應用程序是否還在執(zhí)行,用于程序目錄都會被清空
spark.worker.cleanup.interval 1800 (30分) 在本地機器上,worker清空老的應用程序工作目錄的時間間隔
spark.worker.cleanup.appDataTtl 7 24 3600 (7天) 每個worker中應用程序工作目錄的保留時間。這個時間依賴于你可用磁盤空間的大小。應用程序日志和jar包上傳到每個應用程序的工作目錄。隨著時間的推移,工作目錄會很快的填滿磁盤空間,特別是如果你運行的作業(yè)很頻繁。

連接一個應用程序到集群中

為了在Spark集群中運行一個應用程序,簡單地傳遞spark://IP:PORT URL到SparkContext

為了在集群上運行一個交互式的Spark shell,運行一下命令:

./bin/spark-shell --master spark://IP:PORT

你也可以傳遞一個選項--total-executor-cores <numCores>去控制spark-shell的核數。

啟動Spark應用程序

spark-submit腳本支持最直接的提交一個Spark應用程序到集群。對于獨立部署的集群,Spark目前支持兩種部署模式。在client模式中,driver啟動進程與客戶端提交應用程序所在的進程是同一個進程。然而,在cluster模式中,driver在集群的某個worker進程中啟動,只有客戶端進程完成了提交任務,它不會等到應用程序完成就會退出。

如果你的應用程序通過Spark submit啟動,你的應用程序jar包將會自動分發(fā)到所有的worker節(jié)點。對于你的應用程序依賴的其它jar包,你應該用--jars符號指定(如--jars jar1,jar2)。

另外,cluster模式支持自動的重啟你的應用程序(如果程序一非零的退出碼退出)。為了用這個特征,當啟動應用程序時,你可以傳遞--supervise符號到spark-submit。如果你想殺死反復失敗的應用,你可以通過如下的方式:

./bin/spark-class org.apache.spark.deploy.Client kill <master url> <driver ID>

你可以在獨立部署的Master web UI(http://:8080)中找到driver ID。

資源調度

獨立部署的集群模式僅僅支持簡單的FIFO調度器。然而,為了允許多個并行的用戶,你能夠控制每個應用程序能用的最大資源數。在默認情況下,它將獲得集群的所有核,這只有在某一時刻只允許一個應用程序才有意義。你可以通過spark.cores.maxSparkConf中設置核數。

val conf = new SparkConf()
             .setMaster(...)
             .setAppName(...)
             .set("spark.cores.max", "10")
val sc = new SparkContext(conf)

另外,你可以在集群的master進程中配置spark.deploy.defaultCores來改變默認的值。在conf/spark-env.sh添加下面的行:

export SPARK_MASTER_OPTS="-Dspark.deploy.defaultCores=<value>"

這在用戶沒有配置最大核數的共享集群中是有用的。

高可用

默認情況下,獨立的調度集群對worker失敗是有彈性的(在Spark本身的范圍內是有彈性的,對丟失的工作通過轉移它到另外的worker來解決)。然而,調度器通過master去執(zhí)行調度決定,這會造成單點故障:如果master死了,新的應用程序就無法創(chuàng)建。為了避免這個,我們有兩個高可用的模式。

用ZooKeeper的備用master

利用ZooKeeper去支持領導選舉以及一些狀態(tài)存儲,你能夠在你的集群中啟動多個master,這些master連接到同一個ZooKeeper實例上。一個被選為“領導”,其它的保持備用模式。如果當前的領導死了,另一個master將會被選中,恢復老master的狀態(tài),然后恢復調度。整個的恢復過程大概需要1到2分鐘。注意,這個恢復時間僅僅會影響調度新的應用程序-運行在失敗master中的應用程序不受影響。

配置

為了開啟這個恢復模式,你可以用下面的屬性在spark-env中設置SPARK_DAEMON_JAVA_OPTS

System property Meaning
spark.deploy.recoveryMode 設置ZOOKEEPER去啟動備用master模式(默認為none)
spark.deploy.zookeeper.url zookeeper集群url(如192.168.1.100:2181,192.168.1.101:2181)
spark.deploy.zookeeper.dir zookeeper保存恢復狀態(tài)的目錄(默認是/spark)

可能的陷阱:如果你在集群中有多個masters,但是沒有用zookeeper正確的配置這些masters,這些masters不會發(fā)現彼此,會認為它們都是leaders。這將會造成一個不健康的集群狀態(tài)(因為所有的master都會獨立的調度)。

細節(jié)

zookeeper集群啟動之后,開啟高可用是簡單的。在相同的zookeeper配置(zookeeper URL和目錄)下,在不同的節(jié)點上簡單地啟動多個master進程。master可以隨時添加和刪除。

為了調度新的應用程序或者添加worker到集群,它需要知道當前l(fā)eader的IP地址。這可以通過簡單的傳遞一個master列表來完成。例如,你可能啟動你的SparkContext指向spark://host1:port1,host2:port2。這將造成你的SparkContext同時注冊這兩個master-如果host1死了,這個配置文件將一直是正確的,因為我們將找到新的leader-host2

"registering with a Master"和正常操作之間有重要的區(qū)別。當啟動時,一個應用程序或者worker需要能夠發(fā)現和注冊當前的leader master。一旦它成功注冊,它就在系統(tǒng)中了。如果錯誤發(fā)生,新的leader將會接觸所有之前注冊的應用程序和worker,通知他們領導關系的變化,所以它們甚至不需要事先知道新啟動的leader的存在。

由于這個屬性的存在,新的master可以在任何時候創(chuàng)建。你唯一需要擔心的問題是新的應用程序和workers能夠發(fā)現它并將它注冊進來以防它成為leader master。

用本地文件系統(tǒng)做單節(jié)點恢復

zookeeper是生產環(huán)境下最好的選擇,但是如果你想在master死掉后重啟它,FILESYSTEM模式可以解決。當應用程序和worker注冊,它們擁有足夠的狀態(tài)寫入提供的目錄,以至于在重啟master進程時它們能夠恢復。

配置

為了開啟這個恢復模式,你可以用下面的屬性在spark-env中設置SPARK_DAEMON_JAVA_OPTS。

System property Meaning
spark.deploy.recoveryMode 設置為FILESYSTEM開啟單節(jié)點恢復模式(默認為none)
spark.deploy.recoveryDirectory 用來恢復狀態(tài)的目錄

細節(jié)

  • 這個解決方案可以和監(jiān)控器/管理器(如monit)相配合,或者僅僅通過重啟開啟手動恢復。
  • 雖然文件系統(tǒng)的恢復似乎比沒有做任何恢復要好,但對于特定的開發(fā)或實驗目的,這種模式可能是次優(yōu)的。特別是,通過stop-master.sh殺掉master不會清除它的恢復狀態(tài),所以,不管你何時啟動一個新的master,它都將進入恢復模式。這可能使啟動時間增加到1分鐘。
  • 雖然它不是官方支持的方式,你也可以創(chuàng)建一個NFS目錄作為恢復目錄。如果原始的master節(jié)點完全死掉,你可以在不同的節(jié)點啟動master,它可以正確的恢復之前注冊的所有應用程序和workers。未來的應用程序會發(fā)現這個新的master。
以上內容是否對您有幫助:
在線筆記
App下載
App下載

掃描二維碼

下載編程獅App

公眾號
微信公眾號

編程獅公眾號