使用External Shuffle Service提升性能

操作场景

Spark系统在运行含shuffle过程的应用时，Executor进程除了运行task，还要负责写shuffle数据，给其他Executor提供shuffle数据。当Executor进程任务过重，导致GC而不能为其他Executor提供shuffle数据时，会影响任务运行。

External shuffle Service是长期存在于NodeManager进程中的一个辅助服务。通过该服务来抓取shuffle数据，减少了Executor的压力，在Executor GC的时候也不会影响其他Executor的任务运行。

操作步骤

在NodeManager中启动External shuffle Service。

通过MRS Manager页面（可参考登录MRS Manager）的“服务管理 > Yarn > 服务配置”页面的“Yarn > 自定义”在“yarn-site.xml”中添加如下配置项：

<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>spark_shuffle</value>
</property>
<property>
    <name>yarn.nodemanager.aux-services.spark_shuffle.class</name>
    <value>org.apache.spark.network.yarn.YarnShuffleService</value>
</property>

配置参数	描述
yarn.nodemanager.aux-services	NodeManager中一个长期运行的辅助服务，用于提升Shuffle计算性能。
yarn.nodemanager.aux-services.spark_shuffle.class	NodeManager中辅助服务对应的类。

添加依赖的jar包。
拷贝“${SPARK_HOME}/lib/spark-1.5.1-yarn-shuffle.jar”到“${HADOOP_HOME}/share/hadoop/yarn/lib/”目录下。
重启NodeManager进程，也就启动了External shuffle Service。

Spark应用使用External shuffle Service。

在客户端的安装目录“/Spark/spark/conf/spark-defaults.conf”中必须添加如下配置项：

spark.shuffle.service.enabled   true
spark.shuffle.service.port      7337

配置参数	描述
spark.shuffle.service.enabled	NodeManager中一个长期运行的辅助服务，用于提升Shuffle计算性能。默认为false，表示不启用该功能。
spark.shuffle.service.port	Shuffle服务监听数据获取请求的端口。可选配置，默认值为“7337”。