Spark:Yarn-cluster和Yarn-client区别与联系
-
我们都知道Spark支持在yarn上运行，但是Spark on yarn有分为两种模式yarn-cluster和yarn-client，它们究竟有什么区别与联系？阅读完本文，你将了解。
Spark支持可插拔的集群管理模式(Standalone、Mesos以及YARN)，集群管理负责启动executor进程，编写Spark application的人根本不需要知道Spark用的是什么集群管理。Spark支持的三种集群模式，这三种集群模式都由两个组件组成:master和slave。Master服务(YARNResourceManager,Mesos master和Spark standalonemaster)决定哪些application可以运行，什么时候运行以及哪里去运行。而slave服务(YARN NodeManager, Mesos slave和Spark standaloneslave)实际上运行executor进程。
当在YARN上运行Spark作业，每个Spark
executor作为一个YARN容器(container)运行。Spark可以使得多个Tasks在同一个容器(container)里面运行。这是个很大的优点。注意这里和Hadoop的MapReduce作业不一样，MapReduce作业为每个Task开启不同的JVM来运行。虽然说MapReduce可以通过参数来配置。详见
mapreduce.job.jvm.numtasks。关于这个参数的介绍已经超过本篇文章的介绍。从广义上讲，yarn-cluster适用于生产环境；而yarn-client适用于交互和调试，也就是希望快速地看到application的输出。
在我们介绍yarn-cluster和yarn-client的深层次的区别之前，我们先明白一个概念：ApplicationMaster。在YARN中，每个Application实例都有一个ApplicationMaster进程，它是Application启动的第一个容器。它负责和ResourceManager打交道，并请求资源。获取资源之后告诉NodeManager为其启动container。
从深层次的含义讲，yarn-cluster和yarn-client模式的区别其实就是ApplicationMaster进程的区别，yarn-cluster模式下，driver运行在AM(ApplicationMaster)中，它负责向YARN申请资源，并监督作业的运行状况。当用户提交了作业之后，就可以关掉Client，作业会继续在YARN上运行。然而yarn-cluster模式不适合运行交互类型的作业。而yarn-client模式下，ApplicationMaster仅仅向YARN请求executor，client会和请求的container通信来调度他们工作，也就是说Client不能离开。看下下面的两幅图应该会明白（上图是yarn-cluster模式，下图是yarn-client模式）：
从源码实现，调度器等方面看，请参照本博客的《Spark onYARN集群模式作业运行全过程分析》和《SparkonYARN客户端模式作业运行全过程分析》的介绍。
