美文网首页
Spark(三十三)troubleshooting之解决yarn

Spark(三十三)troubleshooting之解决yarn

作者: 文子轩 | 来源:发表于2019-01-24 17:08 被阅读7次

    一、背景

    yarn-client模式下,会产生什么样的问题呢?

    1、由于咱们的driver是启动在本地机器的,而且driver是全权负责所有的任务的调度的,也就是说要跟yarn集群上运行的多个executor进行频繁的通信(中间有task的启动消息、task的执行统计消息、task的运行状态、shuffle的输出结果)。

    2、咱们来想象一下。比如你的executor有100个,stage有10个,task有1000个。每个stage运行的时候,都有1000个task提交到executor上面去运行,平均每个executor有10个task。接下来问题来了,driver要频繁地跟executor上运行的1000个task进行通信。通信消息特别多,通信的频率特别高。运行完一个stage,接着运行下一个stage,又是频繁的通信。

    在整个spark运行的生命周期内,都会频繁的去进行通信和调度。所有这一切通信和调度都是从你的本地机器上发出去的,和接收到的。这是最要人命的地方。你的本地机器,很可能在30分钟内(spark作业运行的周期内),进行频繁大量的网络通信。那么此时,你的本地机器的网络通信负载是非常非常高的。会导致你的本地机器的网卡流量会激增!!!

    3、你的本地机器的网卡流量激增,当然不是一件好事了。因为在一些大的公司里面,对每台机器的使用情况,都是有监控的。不会允许单个机器出现耗费大量网络带宽等等这种资源的情况。运维人员。可能对公司的网络,或者其他(你的机器还是一台虚拟机),对其他机器,都会有负面和恶劣的影响。

    二、流程图解

    image.png

    Driver到底是什么?

    我们写的spark程序,打成jar包,用spark-submit来提交。jar包中的一个main类,通过jvm的命令启动起来。
    JVM进程,这个进程,其实就是咱们的Driver进程。
    Driver进程启动起来以后,执行我们自己写的main函数,从new SparkContext()。。

    最后,driver接收到属于自己的executor进程的注册之后,就可以去进行我们写的spark作业代码的执行了。

    会一行一行的去执行咱们写的那些spark代码;执行到某个action操作的时候,就会触发一个job,然后DAGScheduler会将job划分为一个一个的stage,为每个stage都创建指定数量的task;TaskScheduler将每个stage的task,分配到各个executor上面去执行。

    task,就会执行咱们写的算子函数。

    1、spark在yarn-client模式下,application的注册(executor的申请)和计算task的调度,是分离开来的。

    2、standalone模式下,这两个操作都是driver负责的。

    3、ApplicationMaster(ExecutorLauncher)负责executor的申请;driver负责job和stage的划分,以及task的创建、分配和调度。

    每种计算框架(mr、spark),如果想要在yarn上执行自己的计算应用,那么就必须自己实现和提供一个ApplicationMaster
    相当于是实现了yarn提供的接口,spark自己开发的一个类

    三、Answer

    解决的方法:

    1、实际上解决的方法很简单,就是心里要清楚,yarn-client模式是什么情况下,可以使用的?yarn-client模式,通常咱们就只会使用在测试环境中,你写好了某个spark作业,打了一个jar包,在某台测试机器上,用yarn-client模式去提交一下。因为测试的行为是偶尔为之的,不会长时间连续提交大量的spark作业去测试。还有一点好处,yarn-client模式提交,可以在本地机器观察到详细全面的log。通过查看log,可以去解决线上报错的故障(troubleshooting)、对性能进行观察并进行性能调优。

    2、实际上线了以后,在生产环境中,都得用yarn-cluster模式,去提交你的spark作业。

    3、yarn-cluster模式,就跟你的本地机器引起的网卡流量激增的问题,就没有关系了。也就是说,就算有问题,也应该是yarn运维团队和基础运维团队之间的事情了。使用了yarn-cluster模式以后,就不是你的本地机器运行Driver,进行task调度了。是yarn集群中,某个节点会运行driver进程,负责task调度。

    相关文章

      网友评论

          本文标题:Spark(三十三)troubleshooting之解决yarn

          本文链接:https://www.haomeiwen.com/subject/gdlujqtx.html