文档首页/ MapReduce服务 MRS/ 用户指南/ 提交MRS作业/ 在MRS集群中提交作业/ 运行SparkSubmit作业
更新时间：2025-08-09 GMT+08:00
查看PDF
分享

运行SparkSubmit作业

Spark是一个开源的并行数据处理框架，能够帮助用户简单、快速地开发大数据应用，对数据进行离线处理、流式处理、交互式分析等。spark-submit是Spark提供的统一入口工具，用于在不同集群环境下部署和运行Spark应用程序。通过它可以将编写好的Spark作业提交到YARN或直接以本地模式运行。该工具通过将应用打包为独立的JAR/WAR包，结合分布式计算框架的资源调度能力，实现了Spark作业的高效部署与执行。

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，本章节指导您如何在MRS集群中提交一个SparkSubmit作业。

用户可以在MRS管理控制台在线创建一个作业并提交运行，也可以通过MRS集群客户端来以命令行形式提交作业。

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。
  • 如果作业程序需要读取以及分析OBS文件系统中的数据，需要先配置MRS集群的存算分离，请参考配置MRS集群存算分离。

约束与限制

  • 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，或者反之从MRS CommonOperations、MRS FullAccess、MRS Administrator向MRS ReadOnlyAccess变化时，由于集群节点的SSSD（System Security Services Daemon）缓存刷新需要时间，因此用户同步完成后，请等待5分钟，待新策略生效之后，再到MRS管理控制台在线提交作业，否则会出现提交作业失败的情况。
  • 当前IAM用户名中存在空格时（例如admin 01），不支持通过MRS管理控制台添加作业。

提交作业

用户可通过管理控制台在线创建并运行作业，也可以通过集群客户端命令方式手动提交。

  1. 准备应用程序及数据。

    在本章节中，以集群中自带的spark-examples样例程序为例进行介绍，该样例程序包含多种功能，可以从MRS集群客户端中获取（“客户端安装目录/Spark/spark/examples/jars/spark-examples-XXX.jar”，部分版本集群中Spark2x文件夹名称为Spark，请以实际为准），然后上传至HDFS或者OBS的指定目录中，请参考上传应用数据至MRS集群。

    程序类名：由用户程序内的函数指定，本应用中为用于计算圆周率的SparkPi。

  2. 登录MRS管理控制台。
  3. 选择“现有集群”，选中一个运行中的集群并单击集群名称，进入集群概览信息页面。
  4. 在“概览”页签中，单击“IAM用户同步”右侧的“同步”进行IAM用户同步。

    集群开启Kerberos认证时需执行该步骤，若集群未开启Kerberos认证，无需执行本步骤。

    IAM用户同步完成后，请等待5分钟，再进行提交作业，更多IAM用户同步说明请参考IAM用户同步MRS集群说明。

  5. 单击“作业管理”，在作业列表界面单击“添加”。
  6. “作业类型”选择“SparkSubmit”，并配置其他作业信息。

    图1 添加Spark作业
    表1 作业配置信息

    参数

    描述

    示例

    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1～128个字符。

    spark_job

    执行程序路径

    待执行程序包地址，可直接手动输入地址路径，也可单击“HDFS”或者“OBS”后选择文件。

    • 最多为1023字符，不能包含;|&>,<'$特殊字符，且不可为空或全空格。
    • OBS程序路径地址以“obs://”开头，例如“obs://wordcount/program/XXX.jar”。HDFS程序路径地址以“hdfs://”开头，例如“hdfs://hacluster/user/XXX.jar”。
    • SparkSubmit作业执行程序需要以“.jar”或“.py”结尾。

    obs://mrs-demotest/program/spark-examples_XXX.jar

    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。

    Spark作业常用的运行程序参数如表2所示，可根据执行程序及集群资源情况进行配置。

    --class org.apache.spark.examples.SparkPi

    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：

    用户输入带有敏感信息（如登录密码）的参数时，可通过在参数名前添加“@”的方式为该参数值加密，以防止敏感信息被明文形式持久化。

    在MRS管理控制台查看作业信息时，敏感信息会显示为“*”。

    例如：username=testuser @password=用户密码

    -

    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，请参考修改MRS集群组件配置参数进行集群组件配置参数的修改。

    例如在MRS集群未配置存算分离的场景下，作业需要通过AK/SK方式访问OBS，可增加以下服务配置参数：

    • 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。

    -

    命令参考

    用于展示提交作业时提交到后台执行的命令。

    N/A
    表2 Spark作业运行程序参数

    参数

    描述

    示例

    --conf

    添加Spark任务的配置，格式为“property=value”。

    更多关于Spark作业提交参数的介绍，可参考https://spark.apache.org/docs/latest/submitting-applications.html。

    spark.executor.memory=2G

    --conf spark-yarn.maxAppAttempts

    配置Spark应用程序在YARN集群上运行时的最大尝试次数。

    例如设置为0时，不允许重试，设置为1时，允许重试一次。

    0

    --driver-memory

    设置Spark任务中为Driver分配的运行内存大小。

    例如内存分配为2 GB，本参数可配置为2g；内存分配为512 MB，本参数可配置为512m。

    2g

    --num-executors

    设置Spark任务中启动的Executor数量。

    5

    --executor-cores

    设置Spark任务中，为每个Executor分配的CPU核心数。

    2

    --executor-memory

    设置Spark任务中，为每个Executor分配的内存大小。

    例如内存分配为2 GB，本参数可配置为2g；内存分配为512 MB，本参数可配置为512m。

    2g

    --class

    设置任务要运行的主类名，由用户程序内的函数指定，通常是包含main方法的类。

    org.apache.spark.examples.SparkPi

    --files

    上传文件给作业任务，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

    指定要包含在驱动程序和执行器类路径中的JAR文件，多个JAR文件用逗号分隔。

    -

  7. 确认作业配置信息，单击“确定”，完成作业的新增。
  8. 作业提交成功中，可在作业列表中查看作业运行状态及执行结果，等待作业状态变为“已完成”，可查看相关程序分析结果。

    在本示例程序中，单击“查看日志”，可查看Spark作业的详细执行过程。

    图2 查看作业执行结果

    作业执行过程中，可选择“查看日志”或者“更多 > 查看详情”，查看程序的详细执行情况，如果作业执行异常或者失败，可根据报错信息进一步定位原因。

    作业添加成功后，不支持进行编辑修改，如果需要再次执行作业，可选择“克隆”快速复制一个已创建的作业并进行参数调整。

  1. 准备应用程序及数据。

    在本章节中，以集群中自带的spark-examples样例程序为例进行介绍，该样例程序包含多种功能，可以从MRS集群客户端中获取（“客户端安装目录/Spark/spark/examples/jars/spark-examples-XXX.jar”，部分版本集群中Spark2x文件夹名称为Spark，请以实际为准），然后上传至HDFS或者OBS的指定目录中，请参考上传应用数据至MRS集群。

    程序类名：由用户程序内的函数指定，本应用中为用于计算圆周率的SparkPi。

  2. 如果当前集群已开启Kerberos认证，需提前在Manager界面中创建一个具有对应作业提交权限的业务用户，请参考创建MRS集群用户。

    本示例中，创建一个人机用户testuser，关联用户组“supergroup”及角色“System_administrator”。

  3. 安装MRS集群客户端。

    具体操作可参考安装MRS集群客户端。

    MRS集群中默认安装了一个客户端用于作业提交，也可直接使用该客户端。MRS 3.x及之后版本客户端默认安装路径为Master节点上的“/opt/Bigdata/client”，MRS 3.x之前版本为Master节点上的“/opt/client”。

  4. 使用MRS集群客户端安装用户登录客户端所在的节点。

    具体操作可参考登录MRS集群节点。

  5. 执行以下命令进入客户端安装目录。 

    cd /opt/Bigdata/client

    加载环境变量：

    source bigdata_env

    如果当前集群已开启Kerberos认证，执行以下命令进行用户认证，如果当前集群未开启Kerberos认证，则无需执行kinit操作。

    kinit testuser

  6. 执行以下命令进入Spark组件目录。 

    cd $SPARK_HOME

  7. 执行以下命令提交Spark作业。 

    ./bin/spark-submit --master yarn --deploy-mode client --class org.apache.spark.examples.SparkPi examples/jars/spark-examples_*.jar 10

    最终运行结果如下：

    ...
Pi is roughly 3.1402231402231404

    spark-submit参数解释：

    • deploy-mode：指定Spark Driver的运行模式，可设置为client或者cluster，本示例中使用client模式提交该作业。
    • class：应用程序的主类名，由具体运行的应用程序指定。
    • XXX.jar：指定Spark作业执行的程序。
    • --conf：指定Spark任务额外的配置属性，如果使用keytab文件进行用户认证，可配置以下参数：
      • spark.yarn.principal：提交作业的用户名。
      • spark.yarn.keytab：用户认证的keytab文件。

    更多关于Spark作业提交参数的介绍，可参考https://spark.apache.org/docs/latest/submitting-applications.html。

  8. 使用testuser用户登录集群Manager页面，选择“集群 > 服务 > Yarn”，单击“ResourceManager Web UI”右侧的超链接进入Yarn WebUI页面，单击对应作业的Application ID，即可查看作业运行信息及相关日志。

    图3 查看Spark作业详情

相关文档

父主题： 在MRS集群中提交作业