搜索

本地IDEA提交Flink/Spark任务到集群的工具

浪尖聊大数据

共 8369字，需浏览 17分钟

 ·

2021-11-18 06:07

作者链接：https://www.jianshu.com/p/ae1919fdf399
文章中所述的spark/flink提交任务的github工程：
https://github.com/todd5167/flink-spark-submiter
Flink任务、Spark任务提交到集群，通常需要将可执行Jar上传到集群，手动执行任务提交指令，如果有配套的大数据平台则需要上传Jar，由调度系统进行任务提交。对开发者来说，本地IDEA调试Flink、Spark任务不涉及对象的序列化及反序列化，任务在本地调试通过后，执行在分布式环境下也可能会出错。而将任务提交到集群进行调试还要走那些繁琐的流程太影响效率了。
因此，为方便大数据开发人员进行快速开发调试，开发了从本地IDEA提交Flink/Spark任务到集群的工具类 flink-spark-submiter。任务提交代码稍加改造后也可以和上层调度系统进行集成，替代脚本模式进行任务提交的方式。
  • 支持Flink yarnPerJob、Standalone 、yarnSession模式下的任务提交。
  • 支持Spark任务以Yarn Cluster模式提交到YARN，支持自动上传用户Jar包，依赖的Spark Jars需要提前上传到HDFS。
  • 支持Spark任务提交到K8s Cluster，执行的jar需要包含在镜像中，任务执行时需要传递镜像名称及可执行文件路径。如果需要操作hive表，则需要传递集群所在文件夹，以及HADOOP_USER_NAME，系统进行Hadoop文件的挂载及环境变量的设置。

Flink 多执行模式任务提交

  • 需要填写Flink任务运行时参数配置，任务运行所在的集群配置路径，本地Flink根路径。项目依赖flink1.10版本。
  • 支持以YarnSession、YarnPerjob、Standalone模式进行任务提交，返回ApplicationId。
  • example模块下包含一个FlinkDemo，打包后会转移到项目的examplJars中，可以尝试进行任务提交。
  • 任务提交后，根据ApplicationId获取任务执行使用的jm、tm日志基本信息，包含日志访问URL,日志总字节大小,根据日志基本信息可以做日志滚动展示，防止Yarn日志过大导致日志读取卡死。
任务提交示例：
   // 可执行jar包路径    String runJarPath = "/Users/maqi/code/ClustersSubmiter/exampleJars/flink-kafka-reader/flink-kafka-reader.jar";    // 任务参数    String[] execArgs = new String[]{"-jobName", "flink110Submit", "--topic", "mqTest01", "--bootstrapServers", "172.16.8.107:9092"};    // 任务名称    String jobName = "Flink perjob submit";    // flink 文件夹路径    String flinkConfDir = "/Users/maqi/tmp/flink/flink-1.10.0/conf";    // flink lib包路径    String flinkJarPath = "/Users/maqi/tmp/flink/flink-1.10.0/lib";    //  yarn 文件夹路径    //        String yarnConfDir = "/Users/maqi/tmp/hadoopconf";    String yarnConfDir = "/Users/maqi/tmp/hadoopconf";    //  作业依赖的外部文件，例如：udf jar , keytab    String[] dependFile = new String[]{"/Users/maqi/tmp/flink/flink-1.10.0/README.txt"};    // 任务提交队列    String queue = "root.users.hdfs";    // flink任务执行模式    String execMode = "yarnPerjob";    // yarnsession appid配置    Properties yarnSessionConfProperties = null;    // savepoint 及并行度相关    Properties confProperties = new Properties();    confProperties.setProperty("parallelism", "1");
  JobParamsInfo jobParamsInfo = JobParamsInfo.builder()            .setExecArgs(execArgs)            .setName(jobName)            .setRunJarPath(runJarPath)            .setDependFile(dependFile)            .setFlinkConfDir(flinkConfDir)            .setYarnConfDir(yarnConfDir)            .setConfProperties(confProperties)            .setYarnSessionConfProperties(yarnSessionConfProperties)            .setFlinkJarPath(flinkJarPath)            .setQueue(queue)            .build();

   String applicationId = runFlinkJob(jobParamsInfo, execMode);   //任务启动后，拉取jm,tm日志相关信息。   Thread.sleep(20000);   List logsInfo = new RunningLog().getRollingLogBaseInfo(jobParamsInfo, applicationId);   logsInfo.forEach(System.out::println);
jobmanager日志格式:
{   "logs":[       {           "name":"jobmanager.err ",           "totalBytes":"555",           "url":"http://172-16-10-204:8042/node/containerlogs/container_e185_1593317332045_2246_01_000002/admin/jobmanager.err/"       },       {           "name":"jobmanager.log ",           "totalBytes":"31944",           "url":"http://172-16-10-204:8042/node/containerlogs/container_e185_1593317332045_2246_01_000002/admin/jobmanager.log/"       },       {           "name":"jobmanager.out ",           "totalBytes":"0",           "url":"http://172-16-10-204:8042/node/containerlogs/container_e185_1593317332045_2246_01_000002/admin/jobmanager.out/"       }   ],   "typeName":"jobmanager"}

taskmanager日志格式:
{    "logs":[        {            "name":"taskmanager.err ",            "totalBytes":"560",            "url":"http://node03:8042/node/containerlogs/container_e27_1593571725037_0170_01_000002/admin/taskmanager.err/"        },        {            "name":"taskmanager.log ",            "totalBytes":"35937",            "url":"http://node03:8042/node/containerlogs/container_e27_1593571725037_0170_01_000002/admin/taskmanager.log/"        },        {            "name":"taskmanager.out ",            "totalBytes":"0",            "url":"http://node03:8042/node/containerlogs/container_e27_1593571725037_0170_01_000002/admin/taskmanager.out/"        }    ],    "otherInfo":"{"dataPort":36218,"freeSlots":0,"hardware":{"cpuCores":4,"freeMemory":241172480,"managedMemory":308700779,"physicalMemory":8201641984},"id":"container_e27_1593571725037_0170_01_000002","path":"akka.tcp://flink@node03:36791/user/taskmanager_0","slotsNumber":1,"timeSinceLastHeartbeat":1593659561129}",    "typeName":"taskmanager"}

Spark on yarn 任务提交

  • 填写用户程序包路径、执行参数、集群配置文件夹、安全认证等相关配置。
  • Spark任务提交使用Yarn cluster模式，使用的Spark Jar需要提前上传到HDFS并作为archive的参数。
  • 针对SparkSQL任务，通过提交examples中的spark-sql-proxy程序包来直接操作hive表。
提交示例：

public static void main(String[] args) throws Exception {        boolean openKerberos = true;        String appName = "todd spark submit";        String runJarPath = "/Users/maqi/code/ClustersSubmiter/exampleJars/spark-sql-proxy/spark-sql-proxy.jar";        String mainClass = "cn.todd.spark.SparksqlProxy";        String yarnConfDir = "/Users/maqi/tmp/hadoopconf";        String principal = "hdfs/node1@DTSTACK.COM";        String keyTab = "/Users/maqi/tmp/hadoopconf/hdfs.keytab";        String jarHdfsDir = "sparkproxy2";        String archive = "hdfs://nameservice1/sparkjars/jars";        String queue = "root.users.hdfs";        String execArgs = getExampleJobParams();
        Properties confProperties = new Properties();        confProperties.setProperty("spark.executor.cores","2");
        JobParamsInfo jobParamsInfo = JobParamsInfo.builder()                .setAppName(appName)                .setRunJarPath(runJarPath)                .setMainClass(mainClass)                .setYarnConfDir(yarnConfDir)                .setPrincipal(principal)                .setKeytab(keyTab)                .setJarHdfsDir(jarHdfsDir)                .setArchivePath(archive)                .setQueue(queue)                .setExecArgs(execArgs)                .setConfProperties(confProperties)                .setOpenKerberos(BooleanUtils.toString(openKerberos, "true", "false"))                .build();
        YarnConfiguration yarnConf = YarnConfLoaderUtil.getYarnConf(yarnConfDir);        String applicationId = "";
        if (BooleanUtils.toBoolean(openKerberos)) {            UserGroupInformation.setConfiguration(yarnConf);            UserGroupInformation userGroupInformation = UserGroupInformation.loginUserFromKeytabAndReturnUGI(principal, keyTab);            applicationId = userGroupInformation.doAs((PrivilegedExceptionAction) () -> LauncherMain.run(jobParamsInfo, yarnConf));        } else {            LauncherMain.run(jobParamsInfo, yarnConf);        }
        System.out.println(applicationId);    }

Spark on k8s 任务提交

  • 基于Spark2.4.4进行开发，通过将spark-sql-proxy.jar包打入镜像来执行Sparksql并操作Hive表，无其他特殊操作。
  • 操作Hive时需要传递hadoopConfDir,程序会自动将.xml文件内容进行挂载，如果非root用户操作Hive,需要设置HADOOP_USER_NAME。
  • 通过读取kubeConfig配置文件进行Kuberclient的创建,而非官方提供的master url方式。
  • 任务提交后立即返回spark-app-selector id,从而进行POD状态获取。
  public static void main(String[] args) throws Exception {      String appName = "todd spark submit";      // 镜像内的jar路径      String runJarPath = "local:///opt/dtstack/spark/spark-sql-proxy.jar";      String mainClass = "cn.todd.spark.SparksqlProxy";      String hadoopConfDir = "/Users/maqi/tmp/hadoopconf/";      String kubeConfig = "/Users/maqi/tmp/conf/k8s.config";      String imageName = "mqspark:2.4.4";      String execArgs = getExampleJobParams();
      Properties confProperties = new Properties();      confProperties.setProperty("spark.executor.instances", "2");      confProperties.setProperty("spark.kubernetes.namespace", "default");      confProperties.setProperty("spark.kubernetes.authenticate.driver.serviceAccountName", "spark");      confProperties.setProperty("spark.kubernetes.container.image.pullPolicy", "IfNotPresent");

      JobParamsInfo jobParamsInfo = JobParamsInfo.builder()              .setAppName(appName)              .setRunJarPath(runJarPath)              .setMainClass(mainClass)              .setExecArgs(execArgs)              .setConfProperties(confProperties)              .setHadoopConfDir(hadoopConfDir)              .setKubeConfig(kubeConfig)              .setImageName(imageName)              .build();
      String id = run(jobParamsInfo);      System.out.println(id);  }
阅读原文直接可以跳转至作者的github



浏览 25
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
KinD运行本地 Kubernetes 集群的工具
KinD 是使用 Docker 容器“节点”运行本地 Kubernetes 集群的工具，KinD 主
KinD运行本地 Kubernetes 集群的工具
KinD是使用Docker容器“节点”运行本地Kubernetes集群的工具，KinD主要用于测试Kubernetes本身，但也可用于本地开发或CI。下图是使用kind创建集群的截图kind包含以下工
原创 | 8 张彩图讲解 Spark 任务提交流程
程序源代码
0
Flink 实践 | 从 Spark 做批处理到 Flink 做流批一体
HBase技术社区
0
Flink的设计与实现：集群资源管理
大数据DT
0
Docker Swarm分布式应用程序的本地集群
DockerSwarm是一个Dockerized化的分布式应用程序的本地集群，它是在Machine所提供的功能的基础上优化主机资源的利用率和容错服务。具体来说，DockerSwarm支持用户创建可运行
看看提交任务到线程池的源码执行流程是什么样子的
分布式朝闻道
0
Docker Swarm分布式应用程序的本地集群
Docker Swarm 是一个 Dockerized 化的分布式应用程序的本地集群，它是在Mach
Gascheduler集群中任务的调度器
这个库是GameAnalytics贡献的。该库实现了一个通用的用于处理集群中任务的调度器。任务的生成和处理是专为特定的应用。客户端传递一个需要被执行的回调函数作为入参，调度器会通过消息返回任务的状态。
Gascheduler集群中任务的调度器
这个库是Game Analytics贡献的。该库实现了一个通用的用于处理集群中任务的调度器。任务的生
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报