airflow - 无法使用 SparkSubmitOperator 执行 Spark 作业

Question

我可以使用 BashOperator 运行 Spark 作业，但我想使用 Spark 使用 SparkSubmitOperator 独立模式。

<小时/>

Here's我的 DAG 用于 SparkSubmitOperator 和 stack-trace

args = {
    'owner': 'airflow',
    'start_date': datetime(2018, 5, 24)
}
dag = DAG('spark_job', default_args=args, schedule_interval="*/10 * * * *")

operator = SparkSubmitOperator(
    task_id='spark_submit_job',
    application='/home/ubuntu/test.py',
    total_executor_cores='1',
    executor_cores='1',
    executor_memory='2g',
    num_executors='1',
    name='airflow-spark',
    verbose=False,
    driver_memory='1g',
    conf={'master':'spark://xx.xx.xx.xx:7077'},
    dag=dag,
)

<小时/>

查看 spark_submit_hook 的源代码似乎 _resolve_connection() 总是设置 master=yarn。如何通过 Spark 独立主 URL 更改 master 属性值？我可以设置哪些属性来在独立模式下运行 Spark 作业？

Answer 1

您可以使用 Airflow Web UI 创建新连接或更改 spark-default连接。

大师可以是local , yarn , spark://HOST:PORT , mesos://HOST:PORT和k8s://https://<HOST>:<PORT> .

您还可以在附加项中提供以下命令:

{"queue": "root.default", "deploy_mode": "cluster", "spark_home": "", "spark_binary": "spark-submit", "namespace": "default"}

“spark-submit”二进制文件应位于 PATH 中，或者在连接的额外部分中设置 Spark-home。