Spark啟動時的master參數以及Spark的部署方式

我們在初始化SparkConf時，或者提交Spark任務時，都會有master參數需要設置，如下：

conf = SparkConf().setAppName(appName).setMaster(master)
sc = SparkContext(conf=conf)

/bin/spark-submit \
        --cluster cluster_name \
        --master yarn-cluster \
        ...

但是這個master到底是何含義呢？文檔說是設定master url，但是啥是master url呢？說到這就必須先要了解下Spark的部署方式了。

我們要部署Spark這套計算框架，有多種方式，可以部署到一台計算機，也可以是多台(cluster)。我們要去計算數據，就必須要有計算機幫我們計算，當然計算機越多(集群規模越大)，我們的計算力就越強。但有時候我們只想在本機做個試驗或者小型的計算，因此直接部署在單機上也是可以的。Spark部署方式可以用如下圖形展示：

Spark部署方式

下面我們就來分別介紹下。

Local模式

Local模式就是運行在一台計算機上的模式，通常就是用於在本機上練手和測試。它可以通過以下集中方式設置master。

• local: 所有計算都運行在一個線程當中，沒有任何並行計算，通常我們在本機執行一些測試代碼，或者練手，就用這種模式。
• local[K]: 指定使用幾個線程來運行計算，比如local[4]就是運行4個worker線程。通常我們的cpu有幾個core，就指定幾個線程，最大化利用cpu的計算能力
• local[*]: 這種模式直接幫你按照cpu最多cores來設置線程數了。

使用示例：

/bin/spark-submit \
        --cluster cluster_name \
        --master local[*] \ ... 

總而言之這幾種local模式都是運行在本地的單機版模式，通常用於練手和測試，而實際的大規模計算就需要下面要介紹的cluster模式。

cluster模式

cluster模式肯定就是運行很多機器上了，但是它又分為以下三種模式，區別在於誰去管理資源調度。（說白了，就好像后勤管家，哪里需要資源，后勤管家要負責調度這些資源）

standalone模式

這種模式下，Spark會自己負責資源的管理調度。它將cluster中的機器分為master機器和worker機器，master通常就一個，可以簡單的理解為那個后勤管家，worker就是負責干計算任務活的苦勞力。具體怎么配置可以參考Spark Standalone Mode
使用standalone模式示例：

/bin/spark-submit \
        --cluster cluster_name \
        --master spark://host:port \ ... 

--master就是指定master那台機器的地址和端口，我想這也正是--master參數名稱的由來吧。

mesos模式

這里就很好理解了，如果使用mesos來管理資源調度，自然就應該用mesos模式了，示例如下：

/bin/spark-submit \
        --cluster cluster_name \
        --master mesos://host:port \ ... 

yarn模式

同樣，如果采用yarn來管理資源調度，就應該用yarn模式，由於很多時候我們需要和mapreduce使用同一個集群，所以都采用Yarn來管理資源調度，這也是生產環境大多采用yarn模式的原因。yarn模式又分為yarn cluster模式和yarn client模式：

• yarn cluster: 這個就是生產環境常用的模式，所有的資源調度和計算都在集群環境上運行。
• yarn client: 這個是說Spark Driver和ApplicationMaster進程均在本機運行，而計算任務在cluster上。

使用示例：

/bin/spark-submit \
        --cluster cluster_name \
        --master yarn-cluster \
        ...

作者：geekpy
鏈接：https://www.jianshu.com/p/aaac505908dd
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。