oozie spark action - 如何指定 spark-opts

oozie spark action - how to specify spark-opts

我是 运行 通过 oozie spark 操作在 yarn-client 模式下进行 spark 作业。我需要指定驱动程序和应用程序主机相关设置。我尝试按照 oozie 的说明配置 spark-opts,但它不起作用。

来自 oozie 文档:

Example:

<workflow-app name="sample-wf" xmlns="uri:oozie:workflow:0.1">
    ...
    <action name="myfirstsparkjob">
        <spark xmlns="uri:oozie:spark-action:0.1">
            <job-tracker>foo:8021</job-tracker>
            <name-node>bar:8020</name-node>
            <prepare>
                <delete path="${jobOutput}"/>
            </prepare>
            <configuration>
                <property>
                    <name>mapred.compress.map.output</name>
                    <value>true</value>
                </property>
            </configuration>
            <master>local[*]</master>
            <mode>client<mode>
            <name>Spark Example</name>
            <class>org.apache.spark.examples.mllib.JavaALS</class>
            <jar>/lib/spark-examples_2.10-1.1.0.jar</jar>
            <spark-opts>--executor-memory 20G --num-executors 50</spark-opts>
            <arg>inputpath=hdfs://localhost/input/file.txt</arg>
            <arg>value=2</arg>
        </spark>
        <ok to="myotherjob"/>
        <error to="errorcleanup"/>
    </action>
    ...
</workflow-app>

上面的 spark-opts 被指定为 --executor-memory 20G --num-executors 50

在描述的同一页上它说:

"The spark-opts element if present, contains a list of spark options that can be passed to spark driver. Spark configuration options can be passed by specifying '--conf key=value' here"

所以根据文档应该是 --conf executor-memory=20G

那么这里是哪一个?我都试过了,但似乎没有用。我在 yarn-client 模式下 运行 所以主要想设置驱动相关的设置。我认为这是我唯一可以设置驱动程序设置的地方。

<spark-opts>--driver-memory 10g --driver-java-options "-XX:+UseCompressedOops -verbose:gc" --conf spark.driver.memory=10g --conf spark.yarn.am.memory=2g --conf spark.driver.maxResultSize=10g</spark-opts>

<spark-opts>--driver-memory 10g</spark-opts>

None 以上驱动程序相关设置在实际驱动程序 jvm 中设置。我在 linux 进程信息上验证了它。

参考:https://oozie.apache.org/docs/4.2.0/DG_SparkActionExtension.html

尝试将 <master>local[*]</master> 更改为 <master>yarn</master>

<spark-opts>--executor-memory 20G</spark-opts> 应该可以正常工作。

此外,尝试使用:

<master>yarn-cluster</master>
<mode>cluster</mode>

"Spark configuration options can be passed by specifying '--conf key=value' here " 可能指的是配置标签。 例如: --conf mapred.compress.map.output=true 将转换为:

<configuration>
    <property>
        <name>mapred.compress.map.output</name>
        <value>true</value>
    </property>
</configuration>

我确实找到了问题所在。在 yarn-client 模式下,您不能使用 <spark-opts>--driver-memory 10g</spark-opts> 指定与驱动程序相关的参数,因为您的驱动程序(oozie 启动器作业)已经在此之前启动。这是一个 oozie 启动器(这是一个 mapreduce 作业)启动您的实际火花和任何其他作业,并且对于该作业 spark-opts 是相关的。但是要在 yarn-client 模式下设置驱动程序参数,您需要在 oozie 工作流中基本配置 configuration

<configuration>
               <property>
                        <name>oozie.launcher.mapreduce.map.memory.mb</name>
                        <value>8192</value>
                </property>
                <property>
                        <name>oozie.launcher.mapreduce.map.java.opts</name>
                        <value>-Xmx6000m</value>
                </property>
                <property>
                        <name>oozie.launcher.mapreduce.map.cpu.vcores</name>
                        <value>24</value>
                </property>
                <property>
                    <name>mapreduce.job.queuename</name>
                    <value>default</value>
                </property>
            </configuration> 

我没有尝试过 yarn-cluster 模式,但 spark-opts 可能适用于那里的驱动程序设置。但我的问题是关于 yarn-client 模式。