【问题标题】：What is yarn-client mode in Spark?Spark 中的纱线客户端模式是什么？
【发布时间】：2014-01-14 15:10:47
【问题描述】：

Apache Spark 最近将版本更新到 0.8.1，其中yarn-client 模式可用。我的问题是，yarn-client 模式的真正含义是什么？在文档中它说：

使用 yarn-client 模式，应用程序将在本地启动。就像在 Local / Mesos / Standalone 模式下运行应用程序或 spark-shell 一样。启动方式也和他们类似，只要确保当你需要指定master url时，使用“yarn-client”代替

“本地启动”是什么意思？当地哪里？在 Spark 集群上？
与 yarn-standalone 模式的具体区别是什么？

【问题讨论】：

标签： hadoop-yarn apache-spark

【解决方案1】：

所以在 spark 中你有两个不同的组件。有司机和工人。在纱线集群模式下，驱动程序在数据节点上远程运行，工作人员在单独的数据节点上运行。在纱线客户端模式下，驱动程序位于启动作业的机器上，工作人员位于数据节点上。在本地模式下，司机和工人在开始工作的机器上。

当您运行 .collect() 时，来自工作节点的数据会被拉入驱动程序。它基本上是最后一点处理发生的地方。

就我自己而言，我发现当我在家使用 vpn 时，yarn-cluster 模式会更好，但当我在数据中心内运行代码时，yarn-client 模式会更好。

Yarn-client 模式也意味着您可以为驱动程序少一个工作节点。

【讨论】：

很好的解释... :)
这是一个很好的解释。谢谢。

【解决方案2】：

一个 Spark 应用程序由一个驱动程序和一个或多个执行程序组成。驱动程序是主程序（您在其中实例化SparkContext），它协调执行程序以运行 Spark 应用程序。执行器运行由驱动程序分配的任务。

YARN 应用程序具有以下角色：yarn 客户端、yarn 应用程序主控器和在节点管理器上运行的容器列表。

当 Spark 应用程序在 YARN 上运行时，它有自己的纱线客户端和纱线应用程序主控实现。

在这些背景下，主要区别在于驱动程序的运行位置。

Yarn 独立模式：您的驱动程序作为 yarn 应用程序主线程的线程运行，它本身在集群中的一个节点管理器上运行。 Yarn 客户端只是从应用程序主机中提取状态。此模式与 mapreduce 作业相同，MR 应用程序主机协调容器以运行 map/reduce 任务。
Yarn 客户端模式：您的驱动程序运行在 Yarn 客户端上，您可以在其中键入命令提交 Spark 应用程序（可能不是 Yarn 集群中的机器）。在这种模式下，虽然驱动程序是在客户端机器上运行，但任务是在 YARN 集群的节点管理器中的执行器上执行的。

参考：http://spark.incubator.apache.org/docs/latest/cluster-overview.html

【讨论】：

所以如果服务器上没有安装hadoop，这意味着它没有Yarn，在这种情况下我不能在集群模式下运行spark作业，是否正确

【解决方案3】：

运行在其中的 Spark 应用程序

yarn-client 模式：

驱动程序在客户端机器或应用程序启动的本地机器上运行。
资源分配由YARN资源管理器根据数据节点上的数据局部性完成，本地机器的驱动程序将控制spark集群上的执行器（节点管理器）。

请参阅此 cloudera article 了解更多信息。

standalone模式和yarn部署模式的区别，

资源优化在独立模式下效率不高。
在独立模式下，驱动程序会在集群的每个节点中启动一个执行程序，而与数据位置无关。
独立适用于仅执行 Spark 应用程序且集群不需要以高效方式为其他作业分配资源的用例。

【讨论】：

【解决方案4】：

spark和yarn都是分布式框架，但作用不同：

Yarn 是一个资源管理框架，对于每个应用程序，它都有以下角色：

ApplicationMaster：单个应用程序的资源管理，包括为应用程序和监视器从 Yarn 请求/释放资源。

尝试：尝试只是一个正常的过程，它完成了应用程序的整个工作的一部分。比如一个mapreduce作业，它由多个mapper和reducer组成，每个mapper和reducer都是一个Attempt。

将应用程序提交到 yarn 的常见过程是：

客户端向yarn提交应用请求。在里面请求，Yarn 应该知道 ApplicationMaster 类；为了 SparkApplication，它是 org.apache.spark.deploy.yarn.ApplicationMaster，用于 MapReduce 作业，它是org.apache.hadoop.mapreduce.v2.app.MRAppMaster。
Yarn 为 ApplicationMaster 进程分配一些资源并在其中一个集群节点中启动 ApplicationMaster 进程；
ApplicationMaster 启动后，ApplicationMaster 会从 Yarn 中为这个 Application 请求资源并启动 worker；

对于分布式计算框架Spark来说，一个计算作业被分成许多小任务，每个Executor负责每个任务，Driver会收集所有Executor任务的结果，得到一个全局的结果。 Spark 应用程序只有一个驱动程序和多个执行程序。

那么，当 Spark 使用 Yarn 作为集群中的资源管理工具时，问题就来了：

在 Yarn Cluster 模式下，Spark 客户端将提交 Spark 应用程序到 yarn，Spark Driver 和 Spark Executor 都在监管之下纱线。从 yarn 的角度来看，Spark Driver 和 Spark Executor 有没有区别，但正常的java进程，即一个应用程序工作进程。因此，当客户端进程消失时，例如客户端进程被终止或杀死，纱线上的 Spark 应用程序是仍在运行。
在yarn客户端模式下，只有Spark Executor在
纱线的监督。 Yarn ApplicationMaster 将请求资源只是火花执行者。驱动程序在客户端运行与yarn无关的过程，只是一个提交的过程应用到纱线。所以，当客户离开时，例如客户
进程退出，Driver宕机，计算终止。

【讨论】：

【解决方案5】：

首先，让我们弄清楚在独立模式下运行 Spark 和在集群管理器（Mesos 或 YARN）上运行 Spark 之间的区别。

在独立模式下运行 Spark 时，您有：

一个 Spark 主节点
一些 Spark 从属节点，已向 Spark 主节点“注册”

所以：

主节点将执行 Spark 驱动程序，将任务发送给执行程序，并且还将执行任何资源协商，这是非常基本的。例如，默认情况下，每个作业都会消耗所有现有资源。
从节点将运行 Spark 执行器，运行从驱动程序提交给它们的任务。

当使用集群管理器时（我将描述 YARN，这是最常见的情况），您有：

YARN 资源管理器（持续运行），接受对新应用程序和新资源（YARN 容器）的请求
多个 YARN 节点管理器（持续运行），由工作人员池组成，资源管理器将在其中分配容器。
Application Master（在 YARN 应用程序期间运行），负责从资源管理器请求容器并向分配的容器发送命令。

请注意，在这种情况下有 2 种模式：cluster-mode 和 client-mode。在客户端模式下，也就是你提到的那个：

Spark 驱动程序将在执行命令的机器中运行。
Application Master 将在集群中分配的容器中运行。
Spark 执行器将在分配的容器中运行。
Spark 驱动程序将负责指示 Application Master 请求资源并向分配的容器发送命令，接收它们的结果并提供结果。

那么，回到你的问题：

“本地启动”是什么意思？当地哪里？在火花上集群？

本地表示在您正在执行命令的服务器中（可以是spark-submit 或spark-shell）。这意味着您可以在集群的主节点中运行它，或者您也可以在集群外部的服务器（例如您的笔记本电脑）中运行它，只要适当的配置到位，以便该服务器可以与集群通信并反之亦然。

与yarn-standalone模式的具体区别是什么？

如上所述，不同之处在于，在独立模式下，根本没有集群管理器。此article 提供了对每种模式的所有差异的更详细的分析和分类。

【讨论】：

【解决方案6】：

使用 yarn-client 模式，您的 spark 应用程序正在本地机器上运行。在 yarn-standalone 模式下，您的 spark 应用程序将作为 yarn ApplicationMaster 提交到 YARN 的 ResourceManager，并且您的应用程序在运行 ApplicationMaster 的 yarn 节点中运行。在这两种情况下，yarn 都充当 spark 的集群管理器。您的应用程序（SparkContext）将任务发送到纱线。

【讨论】：