Spark Job调度

2023年5月24日 200次阅读 来源: frmark

概况

spark提供了一些方案来调度资源。首先，每个spark程序都在跑在若干个独立的executor集群上的（其中executor是一个jvm来run task和store data），集群管理提供了集群层面的资源分配。其次，对于每一个spark程序来说，多个由不同进程提交的job（actions）可以并行的执行。这种情况很常见，sparkContext提供了一种公平调度的机制。

spark程序间的调度

不同的用户使用同一个集群，并使用不同的配置。最初需要解决的就是资源的分割。目前常见的分配原则有下列三种，其中yarn最常用。

  • standalone 默认情况下spark程序是FIFO的形式被提交的，并占用所有可用资源。可以通过设置spark.cores.max控制占用core的数量，并通过spark.executor.memory控制每个executor使用的内存。
  • yarn 主要通过 –num-executors或spark.executor.instances、–executor-memory或spark.executor.memory、–executor-cores或spark.executor.cores来控制。
    目前不同的spark 程序之间不可以共享数据。但是可以通过获取和释放共享资源，比如动态资源分配。
spark程序内的调度

由不同线程提交的并行的job可以被同时执行，spark内部的调度是线程安全的。
一般来说，spark的调度是FIFO的，每个job还可以分成stages。如果第一个job中的stage有task运行，之后的job就需要等待。
从spark0.8开始，可以配置公平调度器，spark 分配tasks是以一种轮询的方式，短的job可以提前被执行完。可以在sparkContext中设置
spark.scheduler.mode=FAIR

公平调度池

公平调度池提供了一种方式将jobs一起放到某个资源池中，可以给某些重要的jobs提供高优先级的资源。可以保证需要重要jobs可以提前完成。
一般情况下，jobs被提交到了default pool中，不过可以在代码中随时控制当前线程的job在哪个pool中执行，比如sc.setLocalProperty(“spark.scheduler.pool”,”pool”)，也可以取消使用当前的pool，sc.setLocalProperty(“spark.scheduler.pool”, null)
以上的使用都需要配置pool的配置文件。具体有三个参数，参数的含义如下：

  • schedulingMode： 可以使FIFO和FAIR，控制pool中job的执行模式。
  • weight： 控制和其他pool对集群资源的占用权重，默认为1，如果设置为2，这个pool就会获取2倍的资源。不仅如此，还可以控制jobs的执行时间，同时如果设置为1000，此pool总是启动tasks无论什么时候jobs active。
  • minShare 最基本的资源分配。先满足此值，然后再分配weight
    可以通过设置conf.set(“spark.scheduler.allocation.file”, “/path/to/file”)使用自己配置的文件。格式如下：
<?xml version="1.0"?>
<allocations>
  <pool name="production">
    <schedulingMode>FAIR</schedulingMode>
    <weight>1</weight>
    <minShare>2</minShare>
  </pool>
  <pool name="test">
    <schedulingMode>FIFO</schedulingMode>
    <weight>2</weight>
    <minShare>3</minShare>
  </pool>
</allocations>

如果在代码中使用sc.setLocalProperty(“spark.scheduler.pool”, “pool1”)，并且不配置上述文件，每个分配池基本都是使用FIFO，weight=1，minshare=0.

    原文作者：frmark
    原文地址: https://www.jianshu.com/p/86e0feac9eb8
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞