Spark submit依赖包管理!
使用spark-submit时,应用程序的jar包以及通过—jars选项包含的任意jar文件都会被自动传到集群中。
spark-submit –class –master –jars
Spark使用了下面的URL格式允许不同的jar包分发策略。
1、文件file方式:
绝对路径且file:/URIs是作为driver的HTTP文件服务器,且每个executor会从driver的HTTP服务器拉取文件;
2、hdfs方式:
http:,https:,ftp:,从这些给定的URI中拉取文件和JAR包;
3、本地local方式:
以local:/开始的URI应该是每个worker节点的本地文件,这意味着没有网络IO开销,并且推送或通过NFS/GlusterFS等共享到每个worker大文件/JAR文件或能很好的工作。
注意:每个SparkContext的JAR包和文件都会被复制到executor节点的工作目录下,这将用掉大量的空间,然后还需要清理干净。
在YARN下,清理是自动进行的。在Spark Standalone下,自动清理可以通过配置spark.worker.cleanup.appDataTtl属性做到,此配置属性的默认值是7*24*3600。
用户可以用–packages选项提供一个以逗号分隔的maven清单来包含任意其他依赖。
其它的库(或SBT中的resolvers)可以用–repositories选项添加(同样用逗号分隔),这些命令都可以用在pyspark,spark-shell和spark-submit中来包含一些Spark包。
对Python而言,–py-files选项可以用来向executors分发.egg,.zip和.py库。
源码走读:
1、
object SparkSubmit
2、
appArgs.{ SparkSubmitAction.=> (appArgs) SparkSubmitAction.=> (appArgs) SparkSubmitAction.=> (appArgs) }
3、
(args: SparkSubmitArguments): = { (childArgschildClasspathsysPropschildMainClass) = (args) (): = { (args.!= ) { proxyUser = UserGroupInformation.createProxyUser(args.UserGroupInformation.getCurrentUser()) { proxyUser.doAs(PrivilegedExceptionAction[]() { (): = { (childArgschildClasspathsysPropschildMainClassargs.) } })
4、
(jar <- childClasspath) { (jarloader) }
5、
(localJar: loader: MutableURLClassLoader) { uri = Utils.(localJar) uri.getScheme { | => file = File(uri.getPath) (file.exists()) { loader.addURL(file.toURI.toURL) } { (file) } _ => (uri) } }
之后线索就断了,回归到java的class类调用jar包。
6、谁调用,executor。
(newFiles: HashMap[]newJars: HashMap[]) { hadoopConf = SparkHadoopUtil..newConfiguration() synchronized { ((nametimestamp) <- newFiles .getOrElse(name-) < timestamp) { logInfo(+ name + + timestamp) Utils.(nameFile(SparkFiles.())env.securityManagerhadoopConftimestampuseCache = !isLocal) (name) = timestamp } ((nametimestamp) <- newJars) { localName = name.split().last currentTimeStamp = .get(name) .orElse(.get(localName)) .getOrElse(-) (currentTimeStamp < timestamp) { logInfo(+ name + + timestamp) Utils.(nameFile(SparkFiles.())env.securityManagerhadoopConftimestampuseCache = !isLocal) (name) = timestamp url = File(SparkFiles.()localName).toURI.toURL (!.getURLs().contains(url)) { logInfo(+ url + ) .addURL(url) } } } } }
Utils.fetchFile方法,进入
/**
* Download a file or directory to target directory. Supports fetching the file in a variety of
* ways, including HTTP, Hadoop-compatible filesystems, and files on a standard filesystem, based
* on the URL parameter. Fetching directories is only supported from Hadoop-compatible
* filesystems.
*
* If `useCache` is true, first attempts to fetch the file to a local cache that's shared
* across executors running the same application. `useCache` is used mainly for
* the executors, and not in local mode.
*
* Throws SparkException if the target file already exists and has different contents than
* the requested file.
*/
(!cachedFile.exists()) { (urllocalDircachedFileNameconfsecurityMgrhadoopConf) }
可见,支持本地files,Hadoop的hdfs,还有http格式的文件。
其中目录目前支持hdfs!
完毕!
原创文章,作者:kepupublish,如若转载,请注明出处:https://blog.ytso.com/196586.html