更新时间:2023-03-17 GMT+08:00

运行SparkSubmit作业

用户可将自己开发的程序提交到MRS中,执行程序并获取结果。本章节教您在MRS集群页面如何提交一个新的Spark作业。

前提条件

用户已经将运行作业所需的程序包和数据文件上传至OBS系统或HDFS中。

通过界面提交作业

  1. 登录MRS管理控制台。
  2. 选择“集群列表 > 现有集群”,选中一个运行中的集群并单击集群名称,进入集群信息页面。
  3. 若集群开启Kerberos认证时执行该步骤,若集群未开启Kerberos认证,请无需执行该步骤。

    “概览”页签的基本信息区域,单击“IAM用户同步”右侧的“同步”进行IAM用户同步,具体介绍请参考IAM用户同步MRS说明

    • 当IAM用户的用户组的所属策略从MRS ReadOnlyAccess向MRS CommonOperations、MRS FullAccess、MRS Administrator变化时,由于集群节点的SSSD(System Security Services Daemon)缓存刷新需要时间,因此同步完成后,请等待5分钟,等待新修改策略生效之后,再进行提交作业。否则,会出现提交作业失败的情况。
    • 当IAM用户的用户组的所属策略从MRS CommonOperations、MRS FullAccess、MRS Administrator向MRS ReadOnlyAccess变化时,由于集群节点的SSSD缓存刷新需要时间,因此同步完成后,请等待5分钟,新修改策略才能生效。

  4. 单击作业管理,进入作业管理页签。
  5. 单击“添加”,进入“添加作业”页面。
  6. 配置作业信息。

    表1 作业配置信息

    参数

    参数说明

    作业名称

    作业名称,只能由字母、数字、中划线和下划线组成,并且长度为1~64个字符。

    说明:

    建议不同的作业设置不同的名称。

    执行程序路径

    待执行程序包地址,需要满足如下要求:

    • 最多为1023字符,不能包含;|&>,<'$特殊字符,且不可为空或全空格。
    • 执行程序路径可存储于HDFS或者OBS中,不同的文件系统对应的路径存在差异。
      • OBS:以“obs://”开头。示例:obs://wordcount/program/xxx.jar。
      • HDFS:以“/user”开头。数据导入HDFS请参考导入数据
    • SparkScript和HiveScript需要以“.sql”结尾,MapReduce需要以“.jar”结尾,Flink和SparkSubmit需要以“.jar”“.py”结尾。sql、jar、py不区分大小写。

    运行程序参数

    可选参数,为本次执行的作业配置相关优化参数(例如线程、内存、CPU核数等),用于优化资源使用效率,提升作业的执行性能。

    常用运行程序参数如表2

    执行程序参数

    可选参数,程序执行的关键参数,该参数由用户程序内的函数指定,MRS只负责参数的传入。多个参数间使用空格隔开。

    最多为150000字符,不能包含;|&><'$特殊字符,可为空。

    注意:

    若输入带有敏感信息(如登录密码)的参数可能在作业详情展示和日志打印中存在暴露的风险,请谨慎操作。

    服务配置参数

    可选参数,用于为本次执行的作业修改服务配置参数。该参数的修改仅适用于本次执行的作业,如需对集群永久生效,请参考配置服务参数页面进行修改。

    如需添加多个参数,请单击右侧增加,如需删除参数,请单击右侧“删除”

    常用服务配置参数如表3

    说明:

    如需运行长时作业如SparkStreaming等,且需要访问OBS, 需要通过“服务配置参数”传入访问OBS的AK/SK。

    命令参考

    用于展示提交作业时提交到后台执行的命令。

    表2 运行程序参数

    参数

    参数说明

    取值样例

    --conf

    添加任务配置项。

    spark.executor.memory=2G

    --driver-memory

    设置driver的运行内存。

    2G

    --num-executors

    设置executor启动数量。

    5

    --executor-cores

    设置executor核数。

    2

    --class

    设置任务的主类。

    org.apache.spark.examples.SparkPi

    --files

    上传文件给任务,可以是自己定义的配置文件或者某些数据文件。来源可以是OBS或者HDFS。

    -

    --jars

    上传任务额外依赖包,用于给任务添加任务的外部依赖包。

    -

    --executor-memory

    设置executor内存。

    2G

    --conf spark-yarn.maxAppAttempts

    控制AM的重试次数。

    设置为0时,不允许重试;设置为1时,允许重试一次。

    表3 服务配置参数

    参数

    参数说明

    取值样例

    fs.obs.access.key

    访问OBS的密钥ID。

    -

    fs.obs.secret.key

    访问OBS与密钥ID对应的密钥。

    -

  7. 确认作业配置信息,单击“确定”,完成作业的新增。

    作业新增完成后,可对作业进行管理。

通过后台提交作业

MRS 3.x及之后版本客户端默认安装路径为“/opt/Bigdata/client”,MRS 3.x之前版本为“/opt/client”。具体以实际为准。

  1. 参考创建用户页面,创建一个用于提交作业的用户。

    本示例创建一个用户开发场景使用的机机用户,并分配了正确的用户组(hadoop、supergroup)、主组(supergroup)和角色权限(System_administrator、default)。

  2. 下载认证凭据。

    • 对于MRS 3.x及之后版本集群,请登录FusionInsight Manager页面选择“系统 > 权限 > 用户”,在新增用户的操作列单击“更多 > 下载认证凭据”
    • 对于MRS 3.x之前版本集群,请登录MRS Manager页面选择“系统设置 > 用户管理”,在新增用户的操作列单击“更多 > 下载认证凭据”

  3. 将与作业相关的jar包上传到集群中,本示例使用Spark自带的样例jar包,位置在$SPARK_HOME/examples/jars/下。
  4. 上传2创建的用户认证凭据到集群的/opt/目录下,并执行如下命令解压

    tar –xvf MRSTest _xxxxxx_keytab.tar

    您将会得到user.keytab和krb5.conf两个文件。

  5. 在对集群操作之前首先需要执行:

    source /opt/Bigdata/client/bigdata_env

    cd $SPARK_HOME

  6. 提交spark作业,使用的命令如下:

    ./bin/spark-submit --master yarn --deploy-mode client --conf spark.yarn.principal=MRSTest --conf spark.yarn.keytab=/opt/user.keytab --class org.apache.spark.examples.SparkPi examples/jars/spark-examples_2.11-2.3.2-mrs-2.0.jar 10

    参数解释:

    1. yarn的计算能力,指定使用client模式提交该作业。
    2. Spark作业的配置项,这里是传入了认证文件和用户名。
    3. spark.yarn.principal 第一步创建的用户
    4. spark.yarn.keytab 认证使用的keytab文件
    5. xx.jar 作业的使用的jar。