运行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。

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

   

   • MRS 1.8.7之前版本开启Kerberos认证集群不支持“作业管理”功能，请通过后台功能提交作业。
   • 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。
   • 若集群为MRS 1.8.7及之后版本，“作业类型”选择“SparkSubmit”，请参考表1配置SparkSubmit作业其他参数信息。
   • 若集群为MRS 1.8.7之前版本，“作业类型”选择“Spark”，请参考表4配置Spark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;|&>,<'$特殊字符，且不可为空或全空格。 执行程序路径可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。示例：s3a://wordcount/program/xxx.jar OBS：以“obs://”开头。示例：obs://wordcount/program/xxx.jar。（MRS 1.9.2及之后版本版本支持。） HDFS：以“/user”开头。数据导入HDFS请参考导入数据。 SparkScript和HiveScript需要以“.sql”结尾，MapReduce需要以“.jar”结尾，Flink和SparkSubmit需要以“.jar”或“.py”结尾。sql、jar、py不区分大小写。
     运行程序参数	可选参数，为本次执行的作业配置相关优化参数（例如线程、内存、CPU核数等），用于优化资源使用效率，提升作业的执行性能。 常用运行程序参数如表2。
     执行程序参数	可选参数，程序执行的关键参数，该参数由用户程序内的函数指定，MRS只负责参数的传入。多个参数间使用空格隔开。 最多为2047字符，不能包含;|&><'$特殊字符，可为空。 说明： 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，敏感信息显示为“*”。 例如：username=admin @password=admin_123
     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

     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。	-

     表4 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;|&>,<'$特殊字符，且不可为空或全空格。 执行程序路径可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。示例：s3a://wordcount/program/xxx.jar HDFS：以“/user”开头。数据导入HDFS请参考导入数据。 Spark Script需要以“.sql”结尾，MR和Spark需要以“.jar”结尾。sql、jar不区分大小写。
     执行程序参数	程序执行的关键参数，该参数由用户程序内的函数指定，MRS只负责参数的传入。多个参数间使用空格隔开。 配置方法：包名.类名 最多为2047字符，不能包含;|&><'$特殊字符，可为空。 说明： 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，敏感信息显示为“*”。 例如：username=admin @password=admin_123
     数据输入路径	数据输入地址。 数据可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。 HDFS：以“/user”开头。数据导入HDFS请参考导入数据。 最多为1023字符，不能包含;|&>,<'$特殊字符，可为空。
     输出路径	数据输出地址。 说明： 配置此参数时，单击“OBS”或“HDFS”，并选择文件目录，或者手动输入文件目录，然后单击“确定”。 若添加hadoop-mapreduce-examples-x.x.x.jar样例程序或和hadoop-mapreduce-examples-x.x.x.jar类似的程序，请手动输入一个不存在的目录。 数据可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。 HDFS：以“/user”开头。 最多为1023字符，不能包含;|&>,<'$特殊字符，可为空。
     日志路径	作业日志存储地址，该日志信息记录作业运行状态。 数据可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。 HDFS：以“/user”开头。 最多为1023字符，不能包含;|&>,<'$特殊字符，可为空。

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。