运行SparkSubmit或Spark作业

前提条件

用户已经将运行作业所需的程序包和数据文件上传至OBS系统或HDFS中。

• 系统自带的Jar样例为“{客户端安装目录}/Spark2x/spark/examples/jars/spark-examples_*.jar”。
• 登录客户端节点执行如下命令，将系统自带的Jar包样例上传至HDFS中，例如上传至HDFS的“/tmp”中：

  hdfs dfs -put {客户端安装目录}/Spark2x/spark/examples/jars/spark-examples_*.jar /tmp

通过界面提交作业

1. 登录MRS管理控制台。
2. 选择“集群列表 > 现有集群”，选中一个运行中的集群并单击集群名称，进入集群信息页面。
3. 若集群开启Kerberos认证时执行该步骤，若集群未开启Kerberos认证，请无需执行该步骤。

   在“概览”页签的基本信息区域，单击“IAM用户同步”右侧的“同步”进行IAM用户同步，具体介绍请参考IAM用户同步MRS说明。

   

   • 当IAM用户的用户组的所属策略从MRS ReadOnlyAccess向MRS CommonOperations、MRS FullAccess、MRS Administrator变化时，由于集群节点的SSSD（System Security Services Daemon）缓存刷新需要时间，因此同步完成后，请等待5分钟，等待新修改策略生效之后，再进行提交作业。否则，会出现提交作业失败的情况。
   • 当IAM用户的用户组的所属策略从MRS CommonOperations、MRS FullAccess、MRS Administrator向MRS ReadOnlyAccess变化时，由于集群节点的SSSD缓存刷新需要时间，因此同步完成后，请等待5分钟，新修改策略才能生效。

4. 单击“作业管理”，进入“作业管理”页签。
5. 单击“添加”，进入“添加作业”页面。

   

6. 配置作业信息。选择“SparkSubmit”并参考表1配置SparkSubmit作业其他参数信息。

   表1 作业配置信息

   参数	参数说明
   作业名称	作业名称，只能由字母、数字、中划线和下划线组成，并且长度为1～64个字符。 说明： 建议不同的作业设置不同的名称。
   执行程序路径	待执行程序包地址，需要满足如下要求： 最多为1023字符，不能包含;|&>,<'$特殊字符，且不可为空或全空格。 执行程序路径可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“obs://”开头。示例：obs://wordcount/program/xxx.jar。（MRS 1.9.2及之后版本支持。） HDFS：以“/user”开头。数据导入HDFS请参考导入数据。 SparkScript和HiveScript需要以“.sql”结尾，MapReduce需要以“.jar”结尾，Flink和SparkSubmit需要以“.jar”或“.py”结尾。sql、jar、py不区分大小写。
   运行程序参数	可选参数，为本次执行的作业配置相关优化参数（例如线程、内存、CPU核数等），用于优化资源使用效率，提升作业的执行性能。 常用运行程序参数如表2。
   执行程序参数	可选参数，程序执行的关键参数，该参数由用户程序内的函数指定，MRS只负责参数的传入。多个参数间使用空格隔开。 最多为150000字符，不能包含;|&><'$特殊字符，可为空。 注意： 若输入带有敏感信息（如登录密码）的参数可能在作业详情展示和日志打印中存在暴露的风险，请谨慎操作。
   服务配置参数	可选参数，用于为本次执行的作业修改服务配置参数。该参数的修改仅适用于本次执行的作业，如需对集群永久生效，请参考配置服务参数页面进行修改。 如需添加多个参数，请单击右侧增加，如需删除参数，请单击右侧“删除”。 常用服务配置参数如表3。 说明： 如需运行长时作业如SparkStreaming等，且需要访问OBS, 需要通过“服务配置参数”传入访问OBS的AK/SK。
   命令参考	用于展示提交作业时提交到后台执行的命令。

   表2 运行程序参数

   参数	参数说明	取值样例
   --conf	添加任务配置项。	spark.executor.memory=2G
   --driver-memory	设置driver的运行内存。	2G
   --num-executors	设置executor启动数量。	5
   --executor-cores	设置executor核数。	2
   --class	设置任务的主类。	org.apache.spark.examples.SparkPi
   --files	上传文件给任务，可以是自己定义的配置文件或者某些数据文件。来源可以是OBS或者HDFS。	-
   --jars	上传任务额外依赖包，用于给任务添加任务的外部依赖包。	-
   --executor-memory	设置executor内存。	2G
   --conf spark-yarn.maxAppAttempts	控制AM的重试次数。	设置为0时，不允许重试；设置为1时，允许重试一次。

   表3 服务配置参数

   参数	参数说明	取值样例
   fs.obs.access.key	访问OBS的密钥ID。	-
   fs.obs.secret.key	访问OBS与密钥ID对应的密钥。	-

   表4 作业配置信息

   参数	参数说明
   作业名称	作业名称，只能由字母、数字、中划线和下划线组成，并且长度为1～64个字符。 说明： 建议不同的作业设置不同的名称。
   执行程序路径	待执行程序包地址，需要满足如下要求： 最多为1023字符，不能包含;|&>,<'$特殊字符，且不可为空或全空格。 执行程序路径可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。示例：s3a://wordcount/program/xxx.jar HDFS：以“/user”开头。数据导入HDFS请参考导入数据。 Spark Script需要以“.sql”结尾，MapReduce和Spark需要以“.jar”结尾。sql、jar不区分大小写。
   执行程序参数	程序执行的关键参数，该参数由用户程序内的函数指定，MRS只负责参数的传入。多个参数间使用空格隔开。 配置方法：包名.类名 最多为150000字符，不能包含;|&><'$特殊字符，可为空。 说明： 用户输入带有敏感信息（如登录密码）的参数时，可通过在参数名前添加“@”的方式，为该参数值加密，以防止敏感信息被明文形式持久化。在MRS管理控制台查看作业信息时，敏感信息显示为“*”。 例如：username=admin @password=admin_123
   数据输入路径	数据输入地址。 数据可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。 HDFS：以“/user”开头。数据导入HDFS请参考导入数据。 最多为1023字符，不能包含;|&>,<'$特殊字符，可为空。
   输出路径	数据输出地址。 说明： 配置此参数时，单击“OBS”或“HDFS”，并选择文件目录，或者手动输入文件目录，然后单击“确定”。 若添加hadoop-mapreduce-examples-x.x.x.jar样例程序或和hadoop-mapreduce-examples-x.x.x.jar类似的程序，请手动输入一个不存在的目录。 数据可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。 HDFS：以“/user”开头。 最多为1023字符，不能包含;|&>,<'$特殊字符，可为空。
   日志路径	作业日志存储地址，该日志信息记录作业运行状态。 数据可存储于HDFS或者OBS中，不同的文件系统对应的路径存在差异。 OBS：以“s3a://”开头。 HDFS：以“/user”开头。 最多为1023字符，不能包含;|&>,<'$特殊字符，可为空。

7. 确认作业配置信息，单击“确定”，完成作业的新增。

   作业新增完成后，可对作业进行管理。

通过后台提交作业

MRS 3.x及之后版本客户端默认安装路径为“/opt/Bigdata/client”，MRS 3.x之前版本为“/opt/client”。具体以实际为准。

1. 参考创建用户页面，创建一个用于提交作业的用户。

   本示例创建一个机机用户，并分配了正确的用户组（hadoop、supergroup）、主组（supergroup）和角色权限（System_administrator、default）。

2. 下载认证凭据。
   • 对于MRS 3.x及之后版本集群，请登录FusionInsight Manager页面选择“系统 > 权限 > 用户”，在新增用户的操作列单击“更多 > 下载认证凭据”。
   • 对于MRS 3.x之前版本集群，请登录MRS Manager页面选择“系统设置 > 用户管理”，在新增用户的操作列单击“更多 > 下载认证凭据”。

3. 将与作业相关的jar包上传到集群中，本示例使用Spark自带的样例jar包，位置在“$SPARK_HOME/examples/jars”下。
4. 上传2创建的用户认证凭据到集群的“/opt”目录下，并执行如下命令解压

   tar –xvf MRSTest _xxxxxx_keytab.tar

   您将会得到user.keytab和krb5.conf两个文件。

5. 在对集群操作之前首先需要执行：

   source /opt/Bigdata/client/bigdata_env

   cd $SPARK_HOME

6. 提交spark作业，使用的命令如下：

   ./bin/spark-submit --master yarn --deploy-mode client --conf spark.yarn.principal=MRSTest --conf spark.yarn.keytab=/opt/user.keytab --class org.apache.spark.examples.SparkPi examples/jars/spark-examples_*.jar 10

   参数解释：

   1. yarn的计算能力，指定使用client模式提交该作业。
   2. Spark作业的配置项，这里是传入了认证文件和用户名。
   3. spark.yarn.principal 第一步创建的用户
   4. spark.yarn.keytab 认证使用的keytab文件
   5. xx.jar 作业的使用的jar。