【大数据】Spark On Yarn

Spark在YARN中有yarn-cluster和yarn-client两种运行模式:

I. Yarn client

在yarn-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。

执行流程

- 1.客户端提交一个Application，在客户端启动一个Driver进程。
- 2.Driver进程会向RS(ResourceManager)发送请求，启动AM(ApplicationMaster)的资源。
- 3.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。
- 4.AM启动后，会向RS请求一批container资源，用于启动Executor.
- 5.RS会找到一批NM返回给AM,用于启动Executor。
- 6.AM会向NM发送命令启动Executor。
- 7.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。

总结

1.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.

2.ApplicationMaster的作用：

为当前的Application申请资源
给NodeManager发送消息启动Executor。

II. Yarn Cluster

Spark Driver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worker节点上分配一个唯一的ApplicationMaster，由该ApplicationMaster管理全生命周期的应用。因为Driver程序在YARN中运行，所以事先不用启动Spark Master/Client，应用的运行结果不能在客户端显示（可以在history server中查看），所以最好将结果保存在HDFS而非stdout输出，客户端的终端显示的是作为YARN的job的简单运行状况。

执行流程

1.客户机提交Application应用程序，发送请求到RS(ResourceManager),请求启动AM(ApplicationMaster)。
1.RS收到请求后随机在一台NM(NodeManager)上启动AM（相当于Driver端）。
2.AM启动，AM发送请求到RS，请求一批container用于启动Executor。
3.RS返回一批NM节点给AM。
4.AM连接到NM,发送请求到NM启动Executor。
5.Executor反向注册到AM所在的节点的Driver。Driver发送task到Executor。

总结

1.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。

2.ApplicationMaster的作用：

当前的Application申请资源
给nodemanager发送消息启动Excutor。
任务调度。(这里和client模式的区别是AM具有调度能力，因为其就是Driver端，包含Driver进程)

3.停止集群任务命令：yarn application -kill applicationID

二者区别

它们的区别就是ApplicationMaster的区别

yarn-cluster中ApplicationMaster不仅负责申请资源，并负责监控Task的运行状况，因此可以关掉client；

yarn-client中ApplicationMaster仅负责申请资源，由client中的driver来监控调度Task的运行，因此不能关掉client。

参考：

https://www.cnblogs.com/ITtangtang/p/7967386.html

https://blog.csdn.net/huojiao2006/article/details/80563112