运行SparkSubmit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。

通过管理控制台提交作业

1. 登录MRS管理控制台。
2. 选择“现有集群”，选中一个运行中的集群并单击集群名称，进入集群信息页面。
3. 在“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。

   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。
   • 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，再进行提交作业，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），不支持添加作业。

4. 单击“作业管理”，在作业列表界面单击“添加”。
5. “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1～64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”选择文件。 最多为1023字符，不能包含;|&>,<'$特殊字符，且不可为空或全空格。 OBS程序路径地址以“obs://”开头，例如“obs://wordcount/program/XXX.jar”。HDFS程序路径地址以“hdfs://”开头，例如“hdfs://hacluster/user/XXX.jar”。 SparkSubmit作业执行程序需要以“.jar”或“.py”结尾。	obs://wordcount/program/test.jar
   运行程序参数	可选参数，为本次执行的作业配置相关优化参数（例如线程、内存、CPU核数等），用于优化资源使用效率，提升作业的执行性能。 Spark作业常用的运行程序参数如表2所示，可根据执行程序及集群资源情况进行配置。	-
   执行程序参数	可选参数，程序执行的关键参数，该参数由用户程序内的函数指定，MRS只负责参数的传入。 多个参数间使用空格隔开，最多为150000字符，不能包含;|&><'$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。 如需添加多个参数，请单击右侧的“添加”按钮。 例如作业需要通过AK/SK方式访问OBS，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。	spark-submit --master yarn--deploy-mode cluster

   表2 Spark作业运行程序参数

   参数	描述	示例
   --conf	添加任务的配置项。	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	设置任务的主类名，由用户程序内的函数指定。	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	上传任务额外依赖的jar，通常用于给任务添加外部依赖包。	-
   --executor-memory	设置executor的内存。	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。	0

6. 确认作业配置信息，单击“确定”，完成作业的新增。
7. 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。

通过集群客户端提交作业

1. 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”。

2. 将待运行的应用程序上传到集群客户端所在节点。
   

   • 本章节示例中使用的jar样例程序为“{集群客户端安装目录}/Spark2x/spark/examples/jars/spark-examples_*.jar”（部分版本集群中Spark2x文件夹名称为Spark，请以实际为准）。
   • 可登录客户端节点执行如下命令，将待运行的jar包样例上传至HDFS中。

     例如上传至HDFS的“/tmp”目录中：

     hdfs dfs -put {客户端安装目录}/Spark2x/spark/examples/jars/spark-examples_*.jar /tmp

3. 如果当前集群已开启Kerberos认证，参考创建MRS集群用户页面，创建一个用于提交作业的用户。

   如果当前集群未开启Kerberos认证，则无需执行本步骤。

   本示例创建一个机机用户，并分配了正确的用户组（hadoop、supergroup）、主组（supergroup）和角色权限（System_administrator、default）。

   用户创建成功后，下载认证凭据文件：

   • 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 2.x及之前版本集群，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”。

   上传用户认证凭据到集群客户端节点的“/opt”目录下。

4. 使用MRS集群客户端安装用户登录客户端所在的节点。
5. 执行如下命令解压用户认证凭据文件，得到“user.keytab”和“krb5.conf”两个文件。

   cd /opt

   tar -xvf XXX_keytab.tar

6. 执行以下命令初始化环境变量。

   cd /opt/Bigdata/client

   source bigdata_env

   cd $SPARK_HOME

7. 执行以下命令提交Spark作业。

   ./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_*.jar 10

   ...
   Pi is roughly 3.1402231402231404

   参数解释：

   • deploy-mode：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。
   • conf：额外的配置属性，例如本示例中使用keytab文件进行用户认证，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。
   • class：应用程序的主类名，由具体运行的应用程序指定。
   • XXX.jar：作业执行的程序。