运行环境
Spark客户端直接连接Yarn，不需要额外构建Spark集群
需要启动 HDFS、YARN
运行程序
将 scala、java程序打成jar包，上传到 yarn 集群运行
提交工具
bin\spark-submit
比较
yarn-client
默认，表示 driver 运行在提交应用的 客户端 上，将结果打印到控制台中
适用场景
适用于交互、调试，直接看到输出结果
yarn-cluster
表示 driver 运行在 集群 上，不将结果打印到控制台中
适用场景
适合生产环境
yarn-client
提交命令
/opt/spark/bin/spark-submit --master yarn --class org.apache.spark.examples.SparkPi /opt/spark/examples/jars/spark-examples_2.11-2.2.0.jar 100
/opt/spark/bin/spark-submit --master yarn-client --class org.apache.spark.examples.SparkPi /opt/spark/examples/jars/spark-examples_2.11-2.2.0.jar 100
/opt/spark/bin/spark-submit --master yarn --deploy-mode client --class org.apache.spark.examples.SparkPi /opt/spark/examples/jars/spark-examples_2.11-2.2.0.jar 100
执行原理
- 客户端提交一个Application，在客户端启动一个Driver进程。
- Driver进程会向RS(ResourceManager)发送请求，启动AM(ApplicationMaster)的资源。
- RS收到请求，随机选择一台NM(NodeManager)启动AM。这里的NM相当于Standalone中的Worker节点。
- AM启动后，会向RS请求一批container资源，用于启动Executor.
- RS会找到一批NM返回给AM,用于启动Executor。
- AM会向NM发送命令启动Executor。
- Executor启动后，会反向注册给Driver，Driver发送task到Executor,执行情况和结果返回给Driver端
缺点
Driver运行在本地，Driver会与yarn集群中的Executor进行大量的通信，会造成客户机网卡流量的大量增加
yarn-cluster
提交命令
/opt/spark/bin/spark-submit --master yarn --deploy-mode cluster --class org.apache.spark.examples.SparkPi /opt/spark/examples/jars/spark-examples_2.11-2.2.0.jar 100
/opt/spark/bin/spark-submit --master yarn-cluster --class org.apache.spark.examples.SparkPi /opt/spark/examples/jars/spark-examples_2.11-2.2.0.jar 100
执行原理
- 客户机提交Application应用程序，发送请求到RS(ResourceManager),请求启动AM(ApplicationMaster)。
- RS收到请求后随机在一台NM(NodeManager)上启动AM（相当于Driver端）。
- AM启动，AM发送请求到RS，请求一批container用于启动Executor。
- RS返回一批NM节点给AM。
- AM连接到NM,发送请求到NM启动Executor。
- Executor反向注册到AM所在的节点的Driver。Driver发送task到Executor。
优点
Yarn-Cluster主要用于生产环境中，因为Driver运行在Yarn集群中某一台nodeManager中，每次提交任务的Driver所在的机器都是随机的，不会产生某一台机器网卡流量激增的现象
缺点
缺点是任务提交后不能看到日志。只能通过yarn查看日志。
参考：
https://blog.csdn.net/huojiao2006/article/details/80563112