Spark 2.0独立模式动态资源分配工作者启动错误

Question

我在独立模式下运行Spark 2.0，成功将其配置为在服务器上启动，并且还能够将Ipython Kernel PySpark配置为Jupyter Notebook中的选项。 一切正常但我面临的问题是，对于我启动的每个笔记本，我的所有4个工作人员都被分配到该应用程序。 因此，如果我的团队中的另一个人尝试使用PySpark内核启动另一个笔记本，那么在我停止第一个笔记本并释放所有工作人员之前，它根本不起作用。

为了解决这个问题，我试图按照Spark 2.0文档中的说明进行操作。 所以，在我的$SPARK_HOME/conf/spark-defaults.conf我有以下几行：

spark.dynamicAllocation.enabled    true
spark.shuffle.service.enabled      true
spark.dynamicAllocation.executorIdleTimeout    10

另外，在$SPARK_HOME/conf/spark-env.sh我有：

export SPARK_WORKER_MEMORY=1g
export SPARK_EXECUTOR_MEMORY=512m
export SPARK_WORKER_INSTANCES=4
export SPARK_WORKER_CORES=1

但是当我尝试使用$SPARK_HOME/sbin/start-slaves.sh启动worker时，只有第一个worker成功启动。 来自第一个工作人员的日志最终如下：

16/11/24 13:32:06 INFO工人：成功注册了主人spark：// cerberus：7077

但是工人2-4的日志显示了这个错误：

INFO ExternalShuffleService：使用useSasl = false在端口7337上启动shuffle服务16/11/24 13:32:08错误收件箱：忽略错误java.net.BindException：地址已在使用中

看来（对我来说）第一个工作人员在7337端口成功启动了shuffle-service，但工作人员2-4“不知道”这个并尝试在同一个端口上启动另一个shuffle-service。

如果我首先启动shuffle服务（使用$SPARK_HOME/sbin/start-shuffle-service.sh ）然后尝试启动所有工作人员（ $SPARK_HOME/sbin/start-slaves.sh ），所有工作人员（1-4）也会出现此问题$SPARK_HOME/sbin/start-slaves.sh ）。

有没有选择绕过这个？ 如果有一个shuffle服务正在运行并连接到它而不是尝试创建一个新服务，那么所有工作人员都能够修复吗？

Answer 1

我有同样的问题，似乎通过从配置文件中删除spark.shuffle.service.enabled项目来实现它（实际上我没有任何与dynamicAllocation相关的项目）而是把它放在SparkConf中我请求一个SparkContext：

sconf = pyspark.SparkConf() \
    .setAppName("sc1") \
    .set("spark.dynamicAllocation.enabled", "true") \
    .set("spark.shuffle.service.enabled", "true")
sc1 = pyspark.SparkContext(conf=sconf)

我像往常一样启动主人和奴隶：

$SPARK_HOME/sbin/start-all.sh

我必须启动一个shuffler服务的实例：

$SPARK_HOME/sbin/start-shuffle-service.sh

然后我开始使用这个上下文的两个笔记本，并让他们两个做一个小工作。 第一个笔记本的应用程序完成工作并处于RUNNING状态，第二个笔记本的应用程序处于WAITING状态。 一分钟后（默认空闲超时），资源重新分配，第二个上下文完成其工作（两者都处于RUNNING状态）。

希望这有帮助，约翰