H20 Sparkling 中的节点是可抢占的吗？
Are the nodes in H20 Sparkling preemptible?
我是 运行 Sparkling water超过 36 个 Spark 执行者。
由于 Yarn 的调度，一些执行者会抢占并稍后卷土重来。
总的来说，大部分时间有 36 个执行者，但并非总是如此。
到目前为止，我的经验是，一旦 1 个执行程序 失败，整个 H2o 实例就会停止，即使丢失的执行程序稍后恢复正常.
我想知道这是否是 Sparkling-water 的行为方式？或者需要开启一些抢占能力？
有人知道这件事吗？
[总结]
您看到的是 Sparkling Water 的行为。
[详情...]
YARN 上的气泡水可以 运行 两种不同的方式：
默认方式，其中 H2O 节点嵌入在 Spark 执行器中并且有一个 (Spark) YARN 作业，
外部 H2O 集群方式，其中 Spark 集群和 H2O 集群是独立的 YARN 作业（运行在这种模式下需要更多设置；如果你是 运行ning这样你就知道了)
H2O 节点不支持弹性云形成行为。也就是说，一旦形成H2O集群，新节点可能不会加入集群（被拒绝），现有节点可能不会离开集群（集群变得不可用）。
因此，必须为 H2O 节点所在的队列禁用 YARN 抢占 运行ning。在默认情况下，这意味着整个 Spark 作业必须 运行 禁用 YARN 抢占（并且禁用 Spark dynamicAllocation）。对于外部 H2O 集群方式，这意味着 H2O 集群必须 运行 在禁用抢占的 YARN 队列中。
其他可能有帮助的信息：
如果您刚开始使用 Sparkling Water（或一般的 H2O）解决一个新问题，请选择少量大内存节点而不是大量小内存节点；这样可以减少出错的次数，
更具体地说，如果您尝试 运行 36 个执行器，每个执行器都有 1 GB 的内存，那是一个非常糟糕的配置；从 4 个执行程序 x 10 GB 开始，
一般情况下你根本不想用小于5GB的executor启动Sparkling Water，内存越大越好，
若运行默认方式，执行核数不要设置太小；机器学习需要很多 CPU.
我是 运行 Sparkling water超过 36 个 Spark 执行者。
由于 Yarn 的调度，一些执行者会抢占并稍后卷土重来。
总的来说，大部分时间有 36 个执行者，但并非总是如此。
到目前为止，我的经验是，一旦 1 个执行程序 失败，整个 H2o 实例就会停止，即使丢失的执行程序稍后恢复正常.
我想知道这是否是 Sparkling-water 的行为方式？或者需要开启一些抢占能力？
有人知道这件事吗？
[总结]
您看到的是 Sparkling Water 的行为。
[详情...]
YARN 上的气泡水可以 运行 两种不同的方式：
默认方式，其中 H2O 节点嵌入在 Spark 执行器中并且有一个 (Spark) YARN 作业，
外部 H2O 集群方式，其中 Spark 集群和 H2O 集群是独立的 YARN 作业（运行在这种模式下需要更多设置；如果你是 运行ning这样你就知道了)
H2O 节点不支持弹性云形成行为。也就是说，一旦形成H2O集群，新节点可能不会加入集群（被拒绝），现有节点可能不会离开集群（集群变得不可用）。
因此，必须为 H2O 节点所在的队列禁用 YARN 抢占 运行ning。在默认情况下，这意味着整个 Spark 作业必须 运行 禁用 YARN 抢占（并且禁用 Spark dynamicAllocation）。对于外部 H2O 集群方式，这意味着 H2O 集群必须 运行 在禁用抢占的 YARN 队列中。
其他可能有帮助的信息：
如果您刚开始使用 Sparkling Water（或一般的 H2O）解决一个新问题，请选择少量大内存节点而不是大量小内存节点；这样可以减少出错的次数，
更具体地说，如果您尝试 运行 36 个执行器，每个执行器都有 1 GB 的内存，那是一个非常糟糕的配置；从 4 个执行程序 x 10 GB 开始，
一般情况下你根本不想用小于5GB的executor启动Sparkling Water，内存越大越好，
若运行默认方式，执行核数不要设置太小；机器学习需要很多 CPU.