YARN提交任务的两种方式

第一种方式：yarn-client提交任务方式

Yarn-client模式提交命令写法1：

./spark-submit

--master yarn

--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar

100

Yarn-client模式提交命令写法2：

--master yarn–client

Yarn-client模式提交命令写法3： 

--deploy-mode  client

Yarn-client模式执行原理图 

Yarn-client模式执行流程

客户端提交一个Application，在客户端启动一个Driver进程

应用程序启动后会向RS(ResourceManager)发送请求，启动AM(ApplicationMaster)的资源

RS收到请求，随机选择一台NM(NodeManager)启动AM。这里的NM相当于Standalone中的Worker节点

AM启动后，会向RS请求一批container资源，用于启动Executor

RS会找到一批NM返回给AM,用于启动Executor

AM会向NM发送命令启动Executor

Executor启动后，会反向注册给Driver，Driver发送task到Executor,执行情况和结果返回给Driver端。 

总结：Yarn-client模式同样是适用于测试，因为Driver运行在本地，Driver会与yarn集群中的Executor进行大量的通信，会造成客户机网卡流量的大量增加。上述中的ApplicationMaster为当前的Application申请资源，并给NodeManager发送消息启动Executor。

第二种方式yarn-cluster提交任务方式

提交任务的第一种写法

--deploy-mode cluster

提交任务的第二种写法：

--master yarn-cluster

执行原理图：

yarn-cluster执行过程 

客户机提交Application应用程序，发送请求到RS(ResourceManager),请求启动AM(ApplicationMaster)。

RS收到请求后随机在一台NM(NodeManager)上启动AM（相当于Driver端）。

AM启动，AM发送请求到RS，请求一批container用于启动Excutor。

RS返回一批NM节点给AM。

AM连接到NM,发送请求到NM启动Excutor。

Excutor反向注册到AM所在的节点的Driver，Driver发送task到Excutor。

yarn-cluster模式总结：

      Yarn-Cluster主要用于生产环境中，因为Driver运行在Yarn集群中某一台nodeManager中，每次提交任务的Driver所在的机器都是随机的，不会产生某一台机器网卡流量激增的现象，缺点是任务提交后不能看到日志，只能通过yarn查看日志。

ApplicationMaster的作用：

为当前的Application申请资源

给NodeManager发送消息启动Excutor。

任务调度。

 停止集群任务命令：yarn application -kill applicationID

原文：

https://blog.csdn.net/baidu_35901646/article/details/81612164