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。
操作步骤
- 需要先配置External shuffle service。
使用动态资源调度功能，必须配置External Shuffle Service，具体可以参考使用External Shuffle Service提升性能。
- 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。
|
配置项 |
说明 |
取值示例 |
|---|---|---|
|
spark.dynamicAllocation.minExecutors |
最小Executor个数。 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 minExecutors个Executor，以保证基本的计算资源。 |
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。 |
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。 |
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。 |
1s |
|
spark.dynamicAllocation.executorIdleTimeout |
Spark 动态资源分配中用于控制空闲Executor 的超时时间。 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。 |
|
