配置Yarn模式下Spark动态资源调度
操作场景
对于Spark应用来说，资源是影响Spark应用执行效率的一个重要因素。当一个长期运行的服务（比如JDBCServer），如果分配给它多个Executor，可是却没有任何任务分配给它，而此时有其他的应用却资源紧张，这就造成了很大的资源浪费和资源不合理的调度。
动态资源调度就是为了解决这种场景，根据当前应用任务的负载情况，实时的增减Executor个数，从而实现动态分配资源，使整个Spark系统更加健康。
动态资源调度需配合External Shuffle Service使用，否则Executor销毁后Shuffle数据会丢失。
操作步骤
- 使用动态资源调度功能前，Spark必须已配置External Shuffle Service，具体可以参考使用External Shuffle Service提升性能。
在Spark中，External Shuffle Service（外部 Shuffle 服务）是一个独立于Executor的进程，主要用于优化Shuffle操作的性能和稳定性。它通过将Shuffle数据的管理从Executor中剥离出来，解决了Executor退出时Shuffle数据丢失的问题，同时减少了资源竞争。
- 登录FusionInsight Manager，选择“集群 > 服务 > Spark2x > 配置 > 全部配置”。在搜索框中输入“spark.dynamicAllocation.enabled”参数名称，将JDBCServer下的该参数值设置为“true”，表示开启动态资源调度功能。
下面是一些可选配置，如表1所示，可根据实际情况进行调整。
表1 动态资源调度参数 配置项
说明
取值示例
spark.dynamicAllocation.minExecutors
动态分配时保留的Executor最小数量。
当启用动态分配时，Spark会根据作业负载自动调整Executor数量，但始终会保留至少指定个数的Executor，以保证基本的计算资源。
建议根据最小负载设置一个合理值，如1。
0
spark.dynamicAllocation.initialExecutors
Spark动态资源分配中用于设定作业启动时初始分配的Executor数量。
在应用启动阶段，根据预估负载预先分配Executor，避免初期因资源不足导致的任务延迟。
需满足大等于“spark.dynamicAllocation.minExecutors”且小等于“spark.dynamicAllocation.minExecutors”。
0
spark.dynamicAllocation.maxExecutors
单个Spark应用程序最多可占用的Executor数量上限。
当启用动态分配时，Spark会根据作业负载自动调整Executor数量，但不会超过该参数设定的值，以此控制资源使用的上限，防止资源滥用，保护集群中其他任务。
2048
spark.dynamicAllocation.schedulerBacklogTimeout
Spark动态资源分配中用于控制何时触发Executor扩容。
当等待执行的Task队列长度超过该时间阈值仍未处理时，Spark会请求分配更多的Executor以加速处理。
1s
spark.dynamicAllocation.sustainedSchedulerBacklogTimeout
Spark动态资源分配中用于控制持续性扩容Executor的时间阈值。
当等待执行的Task队列持续积压超过该时间时，Spark会继续增加Executor数量，直到达到maxExecutors。
通常建议设置比首次超时时间更长。
1s
spark.dynamicAllocation.executorIdleTimeout
当Executor处于空闲状态（无任务运行）时，等待多久后将其销毁。
当Executor长时间无任务执行时，Spark会将其释放以回收集群资源，避免资源浪费。
60s
spark.dynamicAllocation.cachedExecutorIdleTimeout
Spark动态资源分配中的用于控制包含cached blocks的Executor空闲超时时间。
与普通Executor不同，这类Executor在空闲时会被保留更长时间，以避免缓存数据丢失导致的重新计算开销。
- JDBCServer：2147483647s
- IndexServer：2147483647s
- SparkResource：120
