- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我对我正在学习的教程中的这张图片有疑问。因此,基于 yarn 架构中的这张图片,spark 应用程序的执行看起来像这样:
首先,您有一个在客户端节点或某个数据节点上运行的驱动程序。在这个驱动程序中(类似于 java 中的驱动程序?)包含您提交给 Spark 上下文的代码(用 java、python、scala 等编写)。然后该 spark 上下文表示与 HDFS 的连接,并将您的请求提交给 Hadoop 生态系统中的资源管理器。然后资源管理器与名称节点通信,以确定集群中哪些数据节点包含客户端节点请求的信息。 spark 上下文还将在将运行任务的工作节点上放置一个执行程序。然后节点管理器将启动执行器,该执行器将运行 Spark 上下文给它的任务,并将客户端从 HDFS 请求的数据返回给驱动程序。
以上解释是否正确?
由于 HDFS 中的数据在各个数据节点上复制了 3 次,因此驱动程序还会向每个数据节点发送三个执行程序以从 HDFS 检索数据吗?
最佳答案
您的解释接近实际,但您似乎在某些点上有点困惑。
让我们看看我能否让您更清楚这一点。
假设您有 Scala 中的字数统计示例。
object WordCount {
def main(args: Array[String]) {
val inputFile = args(0)
val outputFile = args(1)
val conf = new SparkConf().setAppName("wordCount")
val sc = new SparkContext(conf)
val input = sc.textFile(inputFile)
val words = input.flatMap(line => line.split(" "))
val counts = words.map(word => (word, 1)).reduceByKey{case (x, y) => x + y}
counts.saveAsTextFile(outputFile)
}
}
在每个 Spark 作业中,您都有一个初始化步骤,在该步骤中,您创建一个 SparkContext 对象,提供一些配置,例如应用程序名称和主机,然后您读取一个输入文件,对其进行处理,并将处理结果保存在磁盘上。除了进行实际处理的匿名函数(传递给 .flatMap、.map 和 reduceByKey 的函数)和在集群上远程运行的 I/O 函数 textFile 和 saveAsTextFile 之外,所有这些代码都在驱动程序中运行。
此处的 DRIVER 是为在您使用 spark-submit 提交代码的同一节点上本地运行的程序部分指定的名称(在您的图片中称为客户端节点)。只要您具有对 YARN 集群的 spark-submit 和网络访问权限,您就可以从任何机器(ClientNode、WorderNode 甚至 MasterNode)提交代码。为简单起见,我假设客户端节点是您的笔记本电脑,而 Yarn 集群由远程机器组成。
为简单起见,我将省略 Zookeeper,因为它用于为 HDFS 提供高可用性,并且不参与运行 spark 应用程序。不得不提的是,Yarn Resource Manager 和 HDFS Namenode 是 Yarn 和 HDFS 中的角色(实际上它们是在 JVM 中运行的进程),它们可以存在于同一个主节点上,也可以存在于不同的机器上。即使 Yarn 节点管理器和数据节点只是角色,但它们通常位于同一台机器上以提供数据局部性(在靠近数据存储位置的地方进行处理)。
当你提交你的应用程序时,你首先联系资源管理器,它与 NameNode 一起尝试找到可用的工作节点来运行你的 spark 任务。为了利用数据局部性原则,资源管理器将优先选择存储在同一台机器上的工作节点 HDFS block (每个 block 的 3 个副本中的任何一个)用于您必须处理的文件。如果没有包含这些 block 的工作节点可用,它将使用任何其他工作节点。在这种情况下,由于数据在本地不可用,HDFS block 必须通过网络从任何数据节点移动到运行 spark 任务的节点管理器。这个过程是针对生成文件的每个 block 完成的,因此一些 block 可以在本地找到,一些必须移动。
当 ResourceManager 找到一个可用的工作节点时,它将联系该节点上的 NodeManager 并要求它创建一个 Yarn 容器 (JVM) 以在其中运行 spark 执行程序。在其他集群模式(Mesos 或 Standalone)中,您不会有 Yarn 容器,但 spark 执行器的概念是相同的。 Spark 执行器作为 JVM 运行,可以运行多个任务。
在客户端节点上运行的驱动程序和在 spark 执行器上运行的任务保持通信以运行您的作业。如果驱动程序正在您的笔记本电脑上运行并且您的笔记本电脑崩溃,您将失去与任务的连接并且您的作业将失败。这就是为什么当 spark 在 Yarn 集群中运行时,您可以指定是要在笔记本电脑上运行驱动程序“--deploy-mode=client”还是在 yarn 集群上作为另一个 yarn 容器“--deploy-mode=cluster” ”。有关详细信息,请参阅 spark-submit
关于scala - Spark Yarn 架构,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36215672/
YARN 中的 yarn-site.xml 与 yarn-default.xml 有什么区别?看起来yarn-default.xml 在Hadoop 2.2 中已被弃用? 最佳答案 在所有 Hadoo
我们有一个在 yarn 上运行的流媒体应用程序,我们希望确保它 24/7 全天候运行。 有没有办法告诉 yarn 在失败时自动重启特定的应用程序? 最佳答案 你试过了吗Hadoop Yarn - Re
我在根队列下有 4 个队列,配置如下。 |-------------|-----------------|---------------------|-------------------| | Qu
我正在使用 YARN(和 Dask)版本 Hadoop 2.7.3-amzn-1 在 AWS EMR 上构建应用程序。我正在尝试测试各种故障场景,并且我想模拟容器故障。我似乎找不到一种简单的方法来杀死
我想创建一个 cron 来通过它的应用程序名称杀死一个 yarn 应用程序(Spark)。但我发现 yarn 应用程序 -kill 需要一个应用程序 ID。是否有解决方案可以通过应用程序名称杀死它,或
我正在尝试从此链接运行通用入门套件:https://github.com/ng-seed/universal即使我按照步骤安装了 Yarn,当我运行命令来运行服务器时,它给了我以下错误: 错误:找不到
我正在尝试 YARN 2.2 中的分布式 Shell 示例,希望有人能澄清托管和非托管应用程序管理器之间的区别是什么? 例如以下几行出现在客户端代码中 // unmanaged AM appConte
我有一个像这样的工作区项目: /project - package.json /packages /project-a package.json
这两个到底做什么用,在哪里使用它们? yarn 安装 yarn 构建 最佳答案 简而言之,yarn install 是用于安装项目所有依赖项的命令,通常在 package.json 文件中分配。在大多
所以,到目前为止,似乎没有 yarn audit --fix ,所以我想弄清楚如何修复我的 yarn audit错误。 我试过 yarn upgrade它修复了一些错误(这很好),但仍然存在一些错误。
我正在使用一个使用 yarn 的 dockerized pyspark 集群。为了提高数据处理管道的效率,我想增加分配给 pyspark 执行程序和驱动程序的内存量。 这是通过将以下两个键值对添加到
我尝试重新安装yarn,但重新安装后发现这个问题,我尝试搜索互联网但没有找到解决方案。 fiii@neo:~$ yarn --version node:internal/modules/cjs/loa
我正在试验2号纱和植面。 我创建了一个新文件夹:/projects/yarn2/根据他们的安装指南https://yarnpkg.com/getting-started我跑了 cd /projects
我是hadoop和YARN的新手。启动hdfs之后,我使用软件包中提供的start-yarn.sh启动YARN并出现错误。 我在Ubuntu 18.04上使用hadoop 3.2.0,jdk-11。
Apache Spark最近更新了版本至0.8.1,新增了yarn-client模式。我的问题是,yarn-client 模式的真正含义是什么?在文档中它说: With yarn-client mod
我们有一个在 HDFS 2.7.3 上运行的 Spark 流应用程序,使用 Yarn 作为资源管理器....在运行应用程序时......这两个文件夹 /tmp/hadoop/data/nm-local
我的机器上的 yarn 命令有问题。我的机器上安装了 hadoop 和 yarn 包管理器(Javascript)。当我运行 yarn init 时,它调用 hadoop 的 YARN 并响应: Er
我正在尝试运行此处列出的简单 yarn 应用程序:https://github.com/hortonworks/simple-yarn-app 我是 Java 和 Hadoop 的初学者,当我尝试使用
我正在尝试使用 YARN node labels标记工作节点,但是当我在 YARN(Spark 或简单的 YARN 应用程序)上运行应用程序时,这些应用程序无法启动。 使用 Spark,指定 --co
我一直只使用 npm 而从不显式使用 yarn/webpack。我需要从这个 repo 运行代码: https://github.com/looker-open-source/custom_visua
我是一名优秀的程序员,十分优秀!