提交Spark作業 - E-MapReduce

EMR支援CRD、spark-submit和控制台終端三種方式提交作業。本文為您介紹如何通過這三種方式提交Spark作業。

前提條件

已在EMR on ACK控制台建立Spark叢集，詳情請參見建立叢集。

注意事項

在本文的樣本中，JAR包已經直接打包在了鏡像中。如果您使用的是自己的JAR包，您可以將其上傳到阿里雲OSS。上傳操作請參見簡單上傳。

此時，需要您修改命令中的local:///opt/spark/examples/spark-examples.jar為您OSS上存放JAR包的真實路徑，路徑格式為oss://<yourBucketName>/<path>.jar。

提交作業

方式一：使用CRD方式提交作業

通過kubectl串連Kubernetes叢集，詳情請參見擷取叢集KubeConfig並通過kubectl工具串連叢集。

建立spark-pi.yaml檔案，檔案內容如下。

apiVersion: "sparkoperator.k8s.io/v1beta2"
kind: SparkApplication
metadata:
  name: spark-pi-simple
spec:
  type: Scala
  sparkVersion: 3.2.1
  mainClass: org.apache.spark.examples.SparkPi
  mainApplicationFile: "local:///opt/spark/examples/spark-examples.jar"
  arguments:
    - "1000"
  driver:
    cores: 1
    coreLimit: 1000m
    memory: 4g
  executor:
    cores: 1
    coreLimit: 1000m
    memory: 8g
    memoryOverhead: 1g
    instances: 1

本文樣本中的參數描述，請參見spark-on-k8s-operator。

說明

檔案名稱您可以自訂，本文以spark-pi.yaml為例介紹。
本文以Spark 3.2.1（EMR-5.6.0）版本為例，其他版本時請修改sparkVersion的配置。

執行如下命令，提交作業。
```
kubectl apply -f spark-pi.yaml --namespace <叢集對應的namespace>
```
本文範例程式碼中的<叢集對應的namespace>，需要替換為叢集的命名空間，您可以登入E-MapReduce on ACK控制台，在叢集詳情頁面查看。
返回如下資訊。
```
sparkapplication.sparkoperator.k8s.io/spark-pi-simple created
```
說明
spark-pi-simple為本樣本提交任務後的作業名。
可選：您可以在作業詳情頁面查看已建立的作業資訊。

方式二：使用spark-submit方式提交作業

通過kubectl串連Kubernetes叢集，詳情請參見擷取叢集KubeConfig並通過kubectl工具串連叢集。

執行以下命令，安裝阿里雲EMR提供的emr-spark-ack工具並授權。

wget https://ecm-repo-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/emr-on-ack/util/emr-spark-ack
chmod 755 emr-spark-ack

使用emr-spark-ack工具提交作業。
提交作業的文法如下。
```
 ./emr-spark-ack -n <叢集對應的namespace> <spark命令>
```
說明
文法中的<spark命令> 支援spark-submit、spark-sql、spark-shell和pyspark四種，文法和Spark本身完全一致。
- Cluster模式樣本
  通過spark-submit提交spark-pi作業。
```
./emr-spark-ack -n <叢集對應的namespace> spark-submit \
    --name spark-pi-submit \
    --deploy-mode cluster \
    --class org.apache.spark.examples.SparkPi \
    local:///opt/spark/examples/spark-examples.jar \
    1000
```
- Client模式樣本
  - spark-sql命令方式
```
# 本地準備sql檔案
echo "select 1+1">test.sql
# 提交作業
./emr-spark-ack -n <叢集對應的namespace> spark-sql -f test.sql
```
    在Spark 3及以上叢集版本（EMR-5.X版本）中，emr-spark-ack工具支援本地依賴自動上傳，提交命令裡面的本地檔案依賴，包括--jars，--files和-f等參數中傳入的本地檔案，會自動上傳到EMR on ACK叢集內，用於K8s環境的作業提交。
  - spark-shell命令方式
```
./emr-spark-ack -n <叢集對應的namespace> spark-shell
```
可選：您可以在作業詳情頁面，查看已建立的作業資訊。
可選：使用emr-spark-ack工具終止作業。
終止作業的文法如下。
```
 ./emr-spark-ack -n <叢集對應的namespace> kill <Spark_app_id>
```
說明
文法中的<Spark_app_id>是emr-spark-ack工具在提交作業時產生的，您可以在輸出日誌中查看。

方式三：使用控制台終端方式提交作業

進入訪問連結與連接埠頁面。
1. 登入EMR on ACK。
2. 在EMR on ACK頁面，單擊目的地組群的叢集名。
3. 單擊上方的訪問連結與連接埠頁簽。
在訪問連結與連接埠頁面，單擊SparkSubmitGateway UI對應的連結。
即可進入Shell終端。
在Shell終端中，可以通過以下兩種方式運行Spark命令。
- spark-sql命令方式
```
spark-sql
```
  進入spark-sql後，您可以直接運行Spark命令進行互動式查詢。
- spark-submit命令方式
```
spark-submit \
    --name spark-pi-submit \
    --deploy-mode cluster \
    --class org.apache.spark.examples.SparkPi \
    local:///opt/spark/examples/spark-examples.jar \
    1000
```
可選：您可以在作業詳情頁面查看已建立的作業資訊。

E-MapReduce：提交Spark作業