【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，经过ApplicationMaster向RM获取资源。本地Driver负责与全部的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至关于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,执行状况和结果返回给Driver端。

总结

1.Yarn-client模式一样是适用于测试，由于Driver运行在本地，Driver会与yarn集群中的Executor进行大量的通讯，会形成客户机网卡流量的大量增长.

2.ApplicationMaster的做用： 

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

II. Yarn Cluster

Spark Driver做为一个ApplicationMaster在YARN集群中启动，客户端提交给ResourceManager的每个job都会在集群的worker节点上分配一个惟一的ApplicationMaster，由该ApplicationMaster管理全生命周期的应用。由于Driver程序在YARN中运行，因此事先不用启动Spark Master/Client，应用的运行结果不能在客户端显示（能够在history server中查看），因此最好将结果保存在HDFS而非stdout输出，客户端的终端显示的是做为YARN的job的简单运行情况。

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（至关于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链接到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，由于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。只能经过yarn查看日志。

2.ApplicationMaster的做用： 

• 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具备调度能力，由于其就是Driver端，包含Driver进程)

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

两者区别

它们的区别就是ApplicationMaster的区别

yarn-cluster中ApplicationMaster不只负责申请资源，并负责监控Task的运行情况，所以能够关掉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，所以不能关掉client。

参考：

http://www.javashuo.com/article/p-nmomhaah-nt.html

http://www.javashuo.com/article/p-pivvzhbn-eg.html