技术标签: spark spark launcher Spark
在介绍之前,我先附上spark 官方文档地址:
http://spark.apache.org/docs/latest/api/java/org/apache/spark/launcher/package-summary.html
个人源码github地址:
https://github.com/yyijun/framework/tree/master/framework-spark
spark-submit \
--master yarn \
--deploy-mode cluster \
--driver-memory 4g \
--driver-cores 4 \
--num-executors 20 \
--executor-cores 4 \
--executor-memory 10g \
--class com.yyj.train.spark.launcher.TestSparkLauncher \
--conf spark.yarn.jars=hdfs://hadoop01.xxx.xxx.com:8020/trainsparklauncher/jars/*.jar \
--jars $(ls lib/*.jar| tr '\n' ',') \
lib/ train-spark-1.0.0.jar
--conf spark.yarn.jars:提交算法到yarn集群时算法依赖spark安装包lib目录下的jar包,如果不指定,则每次启动任务都会先上传相关依赖包,耗时严重;
--jars:算法依赖的相关包,spark standalone模式、yarn模式都有用,多个依赖包用逗号”,”分隔;
val spark = SparkSession
.builder
.appName("TestSparkLauncher")
.master("yarn")
.config("deploy.mode", "cluster")
.config("spark.yarn.jars", "hdfs://hadoop01.xxx.xxx.com:8020/trainsparklauncher/jars/*.jar")
.config("spark.sql.warehouse.dir", "/user/hive/warehouse")
.enableHiveSupport()
.getOrCreate()
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-yarn_2.11</artifactId>
<version>2.1.0</version>
</dependency>
1、从大数据平台下载hadoop相关的xml配置文件:
core-site.xml:必须;
hdfs-site.xml:必须;
hive-site.xml:提交的算法里面用到spark on hive时需要此文件;
yarn-site.xml:提交算法到yarn时必须要此文件;
2、准备自己的算法包,这里对应替换为自己的算法包:
train-spark-1.0.0.jar和train-common-1.0.0.jar
3、上传spark安装目录下jars目录下相关的jar包到hdfs:hadoop fs –put –f /opt/cloudera/parcels/SPARK2/lib/spark2/jars /hdfs目录
测试提交算法
package com.yyj.framework.spark.launcher;
import java.io.File;
import java.util.HashMap;
import java.util.Map;
/**
* Created by yangyijun on 2019/5/20.
* 提交spark算法入口类
*/
public class SparkLauncherMain {
public static void main(String[] args) {
System.out.println("starting...");
String confPath = "/Users/yyj/workspace/alg/src/main/resources";
System.out.println("confPath=" + confPath);
//开始构建提交spark时依赖的jars
String rootPath = "/Users/yyj/workspace/alg/lib/";
File file = new File(rootPath);
StringBuilder sb = new StringBuilder();
String[] files = file.list();
for (String s : files) {
if (s.endsWith(".jar")) {
sb.append("hdfs://hadoop01.xxx.xxx.com:8020/user/alg/jars/");
sb.append(s);
sb.append(",");
}
}
String jars = sb.toString();
jars = jars.substring(0, jars.length() - 1);
Map<String, String> conf = new HashMap<>();
conf.put(SparkConfig.DEBUG, "false");
conf.put(SparkConfig.APP_RESOURCE, "hdfs://hadoop01.xxx.xxx.com:8020/user/alg/jars/alg-gs-offline-1.0.0.jar");
conf.put(SparkConfig.MAIN_CLASS, "com.yyj.alg.gs.offline.StartGraphSearchTest");
conf.put(SparkConfig.MASTER, "yarn");
//如果是提交到spark的standalone集群则采用下面的master
//conf.put(SparkConfig.MASTER, "spark://hadoop01.xxx.xxx.com:7077");
conf.put(SparkConfig.APP_NAME, "offline-graph-search");
conf.put(SparkConfig.DEPLOY_MODE, "client");
conf.put(SparkConfig.JARS, jars);
conf.put(SparkConfig.HADOOP_CONF_DIR, confPath);
conf.put(SparkConfig.YARN_CONF_DIR, confPath);
conf.put(SparkConfig.SPARK_HOME, "/Users/yyj/spark2");
conf.put(SparkConfig.DRIVER_MEMORY, "2g");
conf.put(SparkConfig.EXECUTOR_CORES, "2");
conf.put(SparkConfig.EXECUTOR_MEMORY, "2g");
conf.put(SparkConfig.SPARK_YARN_JARS, "hdfs://hadoop01.xxx.xxx.com:8020/user/alg/jars/*.jar");
conf.put(SparkConfig.APP_ARGS, "params");
SparkActionLauncher launcher = new SparkActionLauncher(conf);
boolean result = launcher.waitForCompletion();
System.out.println("============result=" + result);
}
}
构造SparkLauncher对象,配置Spark提交算法相关参数及说明
private SparkLauncher createSparkLauncher() {
logger.info("actionConfig:\n" + JSON.toJSONString(conf, true));
this.debug = Boolean.parseBoolean(conf.get(SparkConfig.DEBUG));
Map<String, String> env = new HashMap<>();
//配置hadoop的xml文件本地路径
env.put(SparkConfig.HADOOP_CONF_DIR, conf.get(SparkConfig.HADOOP_CONF_DIR));
//配置yarn的xml文件本地路径
env.put(SparkConfig.YARN_CONF_DIR, conf.get(SparkConfig.HADOOP_CONF_DIR));
SparkLauncher launcher = new SparkLauncher(env);
//设置算法入口类所在的jar包本地路径
launcher.setAppResource(conf.get(SparkConfig.APP_RESOURCE));
//设置算法入口类保证包名称及类名,例:com.yyj.train.spark.launcher.TestSparkLauncher
launcher.setMainClass(conf.get(SparkConfig.MAIN_CLASS));
//设置集群的master地址:yarn/spark standalone的master地址,例:spark://hadoop01.xxx.xxx.com:7077
launcher.setMaster(conf.get(SparkConfig.MASTER));
//设置部署模式:cluster(集群模式)/client(客户端模式)
launcher.setDeployMode(conf.get(SparkConfig.DEPLOY_MODE));
//设置算法依赖的包的本地路径,多个jar包用逗号","隔开,如果是spark on yarn只需要把核心算法包放这里即可,
// spark相关的依赖包可以预先上传到hdfs并通过 spark.yarn.jars参数指定;
// 如果是spark standalone则需要把所有依赖的jar全部放在这里
launcher.addJar(conf.get(SparkConfig.JARS));
//设置应用的名称
launcher.setAppName(conf.get(SparkConfig.APP_NAME));
//设置spark客户端安装包的home目录,提交算法时需要借助bin目录下的spark-submit脚本
launcher.setSparkHome(conf.get(SparkConfig.SPARK_HOME));
//driver的内存设置
launcher.addSparkArg(SparkConfig.DRIVER_MEMORY, conf.getOrDefault(SparkConfig.DRIVER_MEMORY, "4g"));
//driver的CPU核数设置
launcher.addSparkArg(SparkConfig.DRIVER_CORES, conf.getOrDefault(SparkConfig.DRIVER_CORES, "2"));
//启动executor个数
launcher.addSparkArg(SparkConfig.NUM_EXECUTOR, conf.getOrDefault(SparkConfig.NUM_EXECUTOR, "30"));
//每个executor的CPU核数
launcher.addSparkArg(SparkConfig.EXECUTOR_CORES, conf.getOrDefault(SparkConfig.EXECUTOR_CORES, "4"));
//每个executor的内存大小
launcher.addSparkArg(SparkConfig.EXECUTOR_MEMORY, conf.getOrDefault(SparkConfig.EXECUTOR_MEMORY, "4g"));
String sparkYarnJars = conf.get(SparkConfig.SPARK_YARN_JARS);
if (StringUtils.isNotBlank(sparkYarnJars)) {
//如果是yarn的cluster模式需要通过此参数指定算法所有依赖包在hdfs上的路径
launcher.setConf(SparkConfig.SPARK_YARN_JARS, conf.get(SparkConfig.SPARK_YARN_JARS));
}
//设置算法入口参数
launcher.addAppArgs(new String[]{conf.get(SparkConfig.APP_ARGS)});
return launcher;
}
准spark安装包,用于提交spark算法的客户端,因为提交算法的时候需要用到Spark的home目录下的bin/spark-submit脚本
重命名conf目录下的spark-env.sh脚本,否则会包如下的错误。原因是spark-env.sh里面配置了大数据平台上的路径,而在提交算法的客户端机器没有对应路径
debug模式提交或者非debug模式
/**
* Submit spark application to hadoop cluster and wait for completion.
*
* @return
*/
public boolean waitForCompletion() {
boolean success = false;
try {
SparkLauncher launcher = this.createSparkLauncher();
if (debug) {
Process process = launcher.launch();
// Get Spark driver log
new Thread(new ISRRunnable(process.getErrorStream())).start();
new Thread(new ISRRunnable(process.getInputStream())).start();
int exitCode = process.waitFor();
System.out.println(exitCode);
success = exitCode == 0 ? true : false;
} else {
appMonitor = launcher.setVerbose(true).startApplication();
success = applicationMonitor();
}
} catch (Exception e) {
logger.error(e);
}
return success;
}
非debug模式提交时,控制台获取处理结果信息
///
// private functions
///
private boolean applicationMonitor() {
appMonitor.addListener(new SparkAppHandle.Listener() {
@Override
public void stateChanged(SparkAppHandle handle) {
logger.info("****************************");
logger.info("State Changed [state={0}]", handle.getState());
logger.info("AppId={0}", handle.getAppId());
}
@Override
public void infoChanged(SparkAppHandle handle) {
}
});
while (!isCompleted(appMonitor.getState())) {
try {
Thread.sleep(3000L);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
boolean success = appMonitor.getState() == SparkAppHandle.State.FINISHED;
return success;
}
private boolean isCompleted(SparkAppHandle.State state) {
switch (state) {
case FINISHED:
return true;
case FAILED:
return true;
case KILLED:
return true;
case LOST:
return true;
}
return false;
}
可以从处理结果中获取到app ID,用于杀掉yarn任务时使用
//访问URL:
http://<rm http address:port>/ws/v1/cluster/apps/{appID}
//例子
http://localhost:8088/ws/v1/cluster/apps/application15617064805542301
访问详情地址,返回数据格式如下:
"id": "application15617064805542301",--任务ID
"user": "haizhi",--提交任务的用户名称
"name": "TestSparkLauncher",--应用名称
"queue": "root.users.haizhi",--提交队列
"state": "FINISHED",--任务状态
"finalStatus": "SUCCEEDED",--最终状态
"progress": 100,--任务进度
"trackingUI": "History",
"trackingUrl": "http://hadoop01.xx.xxx.com:18088/proxy/application15617064805542301/A",
"diagnostics":"",--任务出错时的主要错误信息
"clusterId": 1561706480554,
"applicationType": "SPARK",--任务类型
"startedTime": 1562808570464,--任务开始时间,单位毫秒
"finishedTime": 1562808621348,--任务结束时间,单位毫秒
"elapsedTime": 50884,--任务耗时,毫秒
"amContainerLogs": "http://hadoop01.xx.xxx.com:8042/node/containerlogs/container15617064805542301_01_000001/haizhi",--任务详细日志
"amHostHttpAddress": "hadoop01.xx.xxx.com:8042",
"memorySeconds": 198648,--任务分配到的内存数,单位MB
"vcoreSeconds": 145,--任务分配到的CPU核数
"logAggregationStatus": "SUCCEEDED"
请求URL:http://<rm http address:port>/ws/v1/cluster/apps/{appid}/state
请求方式:put
请求参数: { "state": "KILLED" }
例:
请求URL:http://192.168.1.3:18088/ws/v1/cluster/apps/application15617064805542302/state
请求方式:put
请求参数: { "state": "KILLED" }
文章浏览阅读1.1k次。一、选择题1. 串行接口是指( )。A. 接口与系统总线之间串行传送,接口与I/0设备之间串行传送B. 接口与系统总线之间串行传送,接口与1/0设备之间并行传送C. 接口与系统总线之间并行传送,接口与I/0设备之间串行传送D. 接口与系统总线之间并行传送,接口与I/0设备之间并行传送【答案】C2. 最容易造成很多小碎片的可变分区分配算法是( )。A. 首次适应算法B. 最佳适应算法..._874 计算机科学专业基础综合题型
文章浏览阅读9.7k次,点赞5次,收藏15次。连接xshell失败,报错如下图,怎么解决呢。1、通过ps -e|grep ssh命令判断是否安装ssh服务2、如果只有客户端安装了,服务器没有安装,则需要安装ssh服务器,命令:apt-get install openssh-server3、安装成功之后,启动ssh服务,命令:/etc/init.d/ssh start4、通过ps -e|grep ssh命令再次判断是否正确启动..._could not connect to '192.168.17.128' (port 22): connection failed.
文章浏览阅读209次。00000000_杰理 空白芯片 烧入key文件
文章浏览阅读475次。2023年初,“ChatGPT”一词在社交媒体上引起了热议,人们纷纷探讨它的本质和对社会的影响。就连央视新闻也对此进行了报道。作为新传专业的前沿人士,我们当然不能忽视这一热点。本文将全面解析ChatGPT,打开“技术黑箱”,探讨它对新闻与传播领域的影响。_引发对chatgpt兴趣的表述
文章浏览阅读259次。用Python数据分析方法进行汉字声调频率统计分析木合塔尔·沙地克;布合力齐姑丽·瓦斯力【期刊名称】《电脑知识与技术》【年(卷),期】2017(013)035【摘要】该文首先用Python程序,自动获取基本汉字字符集中的所有汉字,然后用汉字拼音转换工具pypinyin把所有汉字转换成拼音,最后根据所有汉字的拼音声调,统计并可视化拼音声调的占比.【总页数】2页(13-14)【关键词】数据分析;数据可..._汉字声调频率统计
文章浏览阅读64次。最近在做一个android系统移植的项目,所使用的开发板com1是调试串口,就是说会有uboot和kernel的调试信息打印在com1上(ttySAC0)。因为后期要使用ttySAC0作为上层应用通信串口,所以要把所有的调试信息都给去掉。参考网上的几篇文章,自己做了如下修改,终于把调试信息重定向到ttySAC1上了,在这做下记录。参考文章有:http://blog.csdn.net/longt..._嵌入式rootfs 输出重定向到/dev/console
文章浏览阅读1.2k次,点赞4次,收藏12次。1,先去iconfont登录,然后选择图标加入购物车 2,点击又上角车车添加进入项目我的项目中就会出现选择的图标 3,点击下载至本地,然后解压文件夹,然后切换到uniapp打开终端运行注:要保证自己电脑有安装node(没有安装node可以去官网下载Node.js 中文网)npm i -g iconfont-tools(mac用户失败的话在前面加个sudo,password就是自己的开机密码吧)4,终端切换到上面解压的文件夹里面,运行iconfont-tools 这些可以默认也可以自己命名(我是自己命名的_uniapp symbol图标
文章浏览阅读1.2w次,点赞25次,收藏192次。char*和char[]都是指针,指向第一个字符所在的地址,但char*是常量的指针,char[]是指针的常量_c++ char*
文章浏览阅读930次。代码编辑器或者文本编辑器,对于程序员来说,就像剑与战士一样,谁都想拥有一把可以随心驾驭且锋利无比的宝剑,而每一位程序员,同样会去追求最适合自己的强大、灵活的编辑器,相信你和我一样,都不会例外。我用过的编辑器不少,真不少~ 但却没有哪款让我特别心仪的,直到我遇到了 Sublime Text 2 !如果说“神器”是我能给予一款软件最高的评价,那么我很乐意为它封上这么一个称号。它小巧绿色且速度非
文章浏览阅读4.1k次。一、选择法这是每一个数出来跟后面所有的进行比较。2.冒泡排序法,是两个相邻的进行对比。_对十个数进行大小排序java
文章浏览阅读2.9k次。物联网开发笔记——使用网络调试助手连接阿里云物联网平台(基于MQTT协议)其实作者本意是使用4G模块来实现与阿里云物联网平台的连接过程,但是由于自己用的4G模块自身的限制,使得阿里云连接总是无法建立,已经联系客服返厂检修了,于是我在此使用网络调试助手来演示如何与阿里云物联网平台建立连接。一.准备工作1.MQTT协议说明文档(3.1.1版本)2.网络调试助手(可使用域名与服务器建立连接)PS:与阿里云建立连解释,最好使用域名来完成连接过程,而不是使用IP号。这里我跟阿里云的售后工程师咨询过,表示对应_网络调试助手连接阿里云连不上
文章浏览阅读544次,点赞5次,收藏6次。运算符与表达式任何高级程序设计语言中,表达式都是最基本的组成部分,可以说C++中的大部分语句都是由表达式构成的。_无c语言基础c++期末速成