Из сообщения в блоге Hortonworks< /а>:
1) Скопируйте JAR сборки Spark в HDFS
По умолчанию файл jar сборки spark недоступен в HDFS. Для удаленного доступа он нам понадобится.
Некоторые стандартные местоположения в HDP:
HDP 2.3.2:
Version: 2.3.2.0-2950
Spark Jar: /usr/hdp/2.3.2.0-2950/spark/lib/spark-assembly-1.4.1.2.3.2.0-2950-hadoop2.7.1.2.3.2.0-2950.jar
HDP 2.4.0:
Version: 2.4.0.0-169
Spark Jar: /usr/hdp/2.4.0.0-169/spark/lib/spark-assembly-1.6.0.2.4.0.0-169-hadoop2.7.1.2.4.0.0-169.jar
Это одноразовый этап подготовки, например, для HDP 2.4 это будет:
sudo su - hdfs
HDP_VERSION=2.4.0.0-169
SPARK_JAR=spark-assembly-1.6.0.2.4.0.0-169-hadoop2.7.1.2.4.0.0-169.jar
hdfs dfs -mkdir "/hdp/apps/${HDP_VERSION}/spark/"
hdfs dfs -put "/usr/hdp/${HDP_VERSION}/spark/lib/$SPARK_JAR" "/hdp/apps/${HDP_VERSION}/spark/spark-hdp-assembly.jar"
2) Загрузите файл jar приложения spark в HDFS
Загрузите файл jar приложения spark, упакованный sbt, в папку проекта в HDFS через WebHdfs (возможно, используйте что-то лучше, чем «/tmp»):
export APP_FILE=simple-project_2.10-1.0.jar
curl -X PUT "${WEBHDFS_HOST}:50070/webhdfs/v1/tmp/simple-project?op=MKDIRS"
curl -i -X PUT "${WEBHDFS_HOST}:50070/webhdfs/v1/tmp/simple-project/${APP_FILE}?op=CREATE&overwrite=true"
# take Location header from the response and issue a PUT request
LOCATION="http://..."
curl -i -X PUT -T "target/scala-2.10/${APP_FILE}" "${LOCATION}"
3) Создайте файл свойств spark и загрузите его в HDFS
spark.yarn.submit.file.replication=3
spark.yarn.executor.memoryOverhead=384
spark.yarn.driver.memoryOverhead=384
spark.master=yarn
spark.submit.deployMode=cluster
spark.eventLog.enabled=true
spark.yarn.scheduler.heartbeat.interval-ms=5000
spark.yarn.preserve.staging.files=true
spark.yarn.queue=default
spark.yarn.containerLauncherMaxThreads=25
spark.yarn.max.executor.failures=3
spark.executor.instances=2
spark.eventLog.dir=hdfs\:///spark-history
spark.history.kerberos.enabled=true
spark.history.provider=org.apache.spark.deploy.history.FsHistoryProvider
spark.history.ui.port=18080
spark.history.fs.logDirectory=hdfs\:///spark-history
spark.executor.memory=2G
spark.executor.cores=2
spark.history.kerberos.keytab=none
spark.history.kerberos.principal=none
и загрузите его через WebHDFS как spark-yarn.properties в папку простого проекта, как и раньше.
4) Создайте JSON-файл задания Spark
a) Нам нужно создать команду для запуска Spark ApplicationMaster:
java -server -Xmx1024m -Dhdp.version=2.4.0.0-169 \
-Dspark.yarn.app.container.log.dir=/hadoop/yarn/log/rest-api \
-Dspark.app.name=SimpleProject \
org.apache.spark.deploy.yarn.ApplicationMaster \
--class IrisApp --jar __app__.jar \
--arg '--class' --arg 'SimpleProject' \
1><LOG_DIR>/AppMaster.stdout 2><LOG_DIR>/AppMaster.stderr
Важно указать имя приложения Spark и версию HDP. Искра разрешит
b) Нам нужно установить некоторые общие переменные среды
JAVA_HOME="/usr/jdk64/jdk1.8.0_60/"
SPARK_YARN_MODE=true
HDP_VERSION="2.4.0.0-169"
Затем нам нужно сообщить Spark, какие файлы следует распространять среди всех исполнителей Spark. Поэтому нам нужно установить 4 переменные. Одна переменная имеет формат "#,#,...", а три других содержат временные метки, разделенные запятыми, размеры файлов и видимость каждого файла (в том же порядке):
SPARK_YARN_CACHE_FILES: "hdfs://<<name-node>>:8020/tmp/simple-project/simple-project.jar#__app__.jar,hdfs://<<name-node>>:8020/hdp/apps/2.4.0.0-169/spark/spark-hdp-assembly.jar#__spark__.jar"
SPARK_YARN_CACHE_FILES_FILE_SIZES: "10588,191724610"
SPARK_YARN_CACHE_FILES_TIME_STAMPS: "1460990579987,1460219553714"
SPARK_YARN_CACHE_FILES_VISIBILITIES: "PUBLIC,PRIVATE"
Замените ‹> правильным адресом. Размер файла и метку времени можно получить из HDFS через WebHDFS.
Затем создайте путь к классам
CLASSPATH="{{PWD}}<CPS>__spark__.jar<CPS>{{PWD}}/__app__.jar<CPS>{{PWD}}/__app__.properties<CPS>{{HADOOP_CONF_DIR}}<CPS>/usr/hdp/current/hadoop-client/*<CPS>/usr/hdp/current/hadoop-client/lib/*<CPS>/usr/hdp/current/hadoop-hdfs-client/*<CPS>/usr/hdp/current/hadoop-hdfs-client/lib/*<CPS>/usr/hdp/current/hadoop-yarn-client/*<CPS>/usr/hdp/current/hadoop-yarn-client/lib/*<CPS>{{PWD}}/mr-framework/hadoop/share/hadoop/common/*<CPS>{{PWD}}/mr-framework/hadoop/share/hadoop/common/lib/*<CPS>{{PWD}}/mr-framework/hadoop/share/hadoop/yarn/*<CPS>{{PWD}}/mr-framework/hadoop/share/hadoop/yarn/lib/*<CPS>{{PWD}}/mr-framework/hadoop/share/hadoop/hdfs/*<CPS>{{PWD}}/mr-framework/hadoop/share/hadoop/hdfs/lib/*<CPS>{{PWD}}/mr-framework/hadoop/share/hadoop/tools/lib/*<CPS>/usr/hdp/2.4.0.0-169/hadoop/lib/hadoop-lzo-0.6.0.2.4.0.0-169.jar<CPS>/etc/hadoop/conf/secure<CPS>"
Примечания: - spark.jar и app.jar совпадают с файлами SPARK_YARN_CACHE_FILES.
c) Создайте JSON-файл задания Spark
Приведенная выше информация будет добавлена в файл Spark json в качестве атрибута команды и среды (подробности см. во вложении — удалите окончание .txt)
Последней недостающей частью являются так называемые local_resources, которые описывают все файлы в HDFS, необходимые для задания Spark: - JAR сборки Spark (как в переменной среды кэширования) - JAR приложения Spark для этого проекта (как в переменной среды кэширования) - Spark файл свойств для этого проекта (только для Application Master, кэширование не требуется)
Все три должны быть представлены в форме
{
"key": "__app__.jar",
"value": {
"resource": "hdfs://<<name-node>>:8020/tmp/simple-project/simple-project.jar",
"size": 10588,
"timestamp": 1460990579987,
"type": "FILE",
"visibility": "APPLICATION"
}
},
Снова замените ‹>. Временная метка, путь hdfs, размер и ключ должны быть такими же, как и для переменных среды кэширования.
Сохраните его как spark-yarn.json (подробности см. во вложении — удалите окончание .txt)
5) Отправить задание
Сначала запросите идентификатор приложения из YARN.
curl -s -X POST -d '' \
https://$KNOX_SERVER:8443/gateway/default/resourcemanager/v1/cluster/apps/new-application
# {
# "application-id": "application_1460195242962_0054",
# "maximum-resource-capability": {
# "memory": 8192,
# "vCores": 3
# }
# }
Отредактируйте «идентификатор приложения» в spark-yarn.json, а затем отправьте задание:
curl -s -i -X POST -H "Content-Type: application/json" ${HADOOP_RM}/ws/v1/cluster/apps \
--data-binary spark-yarn.json
# HTTP/1.1 100 Continue
#
# HTTP/1.1 202 Accepted
# Cache-Control: no-cache
# Expires: Sun, 10 Apr 2016 13:02:47 GMT
# Date: Sun, 10 Apr 2016 13:02:47 GMT
# Pragma: no-cache
# Expires: Sun, 10 Apr 2016 13:02:47 GMT
# Date: Sun, 10 Apr 2016 13:02:47 GMT
# Pragma: no-cache
# Content-Type: application/json
# Location: http://<<resource-manager>>:8088/ws/v1/cluster/apps/application_1460195242962_0054
# Content-Length: 0
# Server: Jetty(6.1.26.hwx)
См. также полезный помощник по Python от автора сообщения в блоге в этом проекте gitlab.
person
Rakesh Rakshit
schedule
09.09.2016
spark-shell -i file.scala --master yarn-client
. Я не думаю, что Java поддерживает это, хотя - person OneCricketeer   schedule 09.09.2016