[英]Spark driver node and worker node for a Spark application in Standalone cluster
[英]Spark standalone connection driver to worker
我正在尝试在本地托管Spark独立集群。 我在局域网上连接了两台异构计算机。 下面列出的每个架构都在docker上运行。 我有以下配置
我使用一个测试应用程序来打开文件并计算其行数。 当文件在所有工作程序上复制并且我使用SparkContext.readText()
时,该应用程序正常工作
但是,当我使用SparkContext.parallelize()
在工作程序上访问文件时,当文件仅存在于工作程序上时,我将显示以下内容:
INFO StandaloneSchedulerBackend: Granted executor ID app-20180116210619-0007/4 on hostPort 172.17.0.3:6598 with 4 cores, 1024.0 MB RAM
INFO StandaloneAppClient$ClientEndpoint: Executor updated: app-20180116210619-0007/4 is now RUNNING
INFO StandaloneAppClient$ClientEndpoint: Executor updated: app-20180116210619-0007/4 is now EXITED (Command exited with code 1)
INFO StandaloneSchedulerBackend: Executor app-20180116210619-0007/4 removed: Command exited with code 1
INFO StandaloneAppClient$ClientEndpoint: Executor added: app-20180116210619-0007/5 on worker-20180116205132-172.17.0.3-6598 (172.17.0.3:6598) with 4 cores```
如此反复,而无需实际计算应用程序。
当我将驱动程序与工作人员放在同一台PC上时,此工作正常。 因此,我猜想整个网络中的这两个之间可以建立某种连接。 您是否知道执行此操作的方法(要打开哪个端口,要在/ etc / hosts中添加哪个地址...)
TL; DR确保可以从群集中的每个节点访问spark.driver.host:spark.driver.port
。
通常,您要确保所有节点(执行者和主节点)都可以到达驱动程序。
spark.driver.host
必须解析为可公开访问的地址。 在这两种情况下,都必须记住,默认情况下,驱动程序在随机端口上运行。 通过设置spark.driver.port
可以使用固定的。 显然,如果您想同时提交多个申请,这将无法很好地解决问题。
此外:
当文件仅存在于工作程序上时
将无法正常工作。 必须从驱动程序以及每个执行程序节点访问所有输入。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.