全部產品
Search

搜尋本產品

    Lindorm：作業配置說明

    文件中心

    Lindorm：作業配置說明

    更新時間：Sep 14, 2024

    本文介紹Lindorm計算引擎的常用Spark配置項和配置方法。

    Spark配置項

    Lindorm計算引擎支援自訂常用的Spark配置項，包括資源配置項、執行配置項和監控配置項。

    受限配置項

    spark.master和spark.submit.deployMode為系統參數，不支援自訂。

    配置項

    說明

    spark.master

    叢集管理服務地址。

    spark.submit.deployMode

    Driver程式的部署方式。

    資源配置項

    Lindorm計算引擎基於彈性資源集區提供服務，計費方式為隨用隨付，且在開通計算引擎後，彈性資源的上限預設為無限制。如果您需要修改彈性資源上限，請參見變更配置計算引擎資源。

    您向Lindorm計算引擎提交的每一個作業（JDBC作業、JAR作業、Python作業等），都可以自訂資源配置項，包括資源規格配置項和資源規模配置項。

    資源規格

    基礎資源配置項

    配置項

    說明

    預設值

    spark.driver.memory

    Driver堆內記憶體大小。單位為MB。

    8192M

    spark.driver.memoryOverhead

    Driver堆外記憶體大小。單位為MB。

    8192M

    spark.kubernetes.driver.disk.size

    Driver本地磁碟大小。單位為GB。

    50

    spark.executor.cores

    單Executor提供的計算槽位元量。

    4

    spark.executor.memory

    單Executor堆內記憶體大小。單位為MB。

    8192M

    spark.executor.memoryOverhead

    單Executor堆外記憶體大小。單位為MB。

    8192M

    spark.kubernetes.executor.disk.size

    單Executor本地磁碟大小。單位為GB。

    50

    進階資源配置項

    配置項

    說明

    預設值

    spark.{driver/executor}.resourceTag

    資源規格配置組。支援的規格：xlarge、2xlarge、4xlarge、8xlarge和16xlarge，配置後會按以下資源配置自動設定資源規格。

    • xlarge：

      spark.{driver/executor}.cores=4

      spark.{driver/executor}.memory=8192m

      spark.{driver/executor}.memoryOverhead=8192m

      spark.kubernetes.{driver/executor}.disk.size=50

    • 2xlarge：

      spark.{driver/executor}.cores=8

      spark.{driver/executor}.memory=16384m

      spark.{driver/executor}.memoryOverhead=16384m

      spark.kubernetes.{driver/executor}.disk.size=100

    • 4xlarge：

      spark.{driver/executor}.cores=16

      spark.{driver/executor}.memory=32768m

      spark.{driver/executor}.memoryOverhead=32768m

      spark.kubernetes.{driver/executor}.disk.size=200

    • 8xlarge：

      spark.{driver/executor}.cores=32

      spark.{driver/executor}.memory=65536m

      spark.{driver/executor}.memoryOverhead=65536m

      spark.kubernetes.{driver/executor}.disk.size=400

    • 16xlarge：

      spark.{driver/executor}.cores=64

      spark.{driver/executor}.memory=131072m

      spark.{driver/executor}.memoryOverhead=131072m

      spark.kubernetes.{driver/executor}.disk.size=400

    無

    spark.kubernetes.{driver/executor}.ecsModelPreference

    計算節點機型配置，與spark.{driver/executor}.resourceTag配置項搭配使用，可以按順序配置機型，最多可配置4個機型。例如：spark.kubernetes.driver.ecsModelPreference=hfg6,g6。

    計算引擎會按配置順序申請對應的機型，當配置的全部機型都沒有庫存時，會回退到按資源規格隨機申請有庫存機型。

    無

    spark.kubernetes.{driver/executor}.annotation.k8s.aliyun.com/eci-use-specs

    指定GPU的規格與型號。規格列表的詳細資料，請參見GPU執行個體規格。

    ecs.gn7i-c8g1.2xlarge

    spark.{driver/executor}.resource.gpu.vendor

    指定GPU的生產廠商。

    說明

    該參數需要與指定的GPU規格與型號對應。

    nvidia.com

    spark.{driver/executor}.resource.gpu.amount

    GPU個數。

    說明

    GPU個數固定為1。

    1

    spark.{driver/executor}.resource.gpu.discoveryScript

    指令檔所在的路徑。

    說明

    在啟動Spark driver/executor時會使用該指令碼查詢並綁定GPU資源，且指令檔所在的路徑固定為/opt/spark/examples/src/main/scripts/getGpusResources.sh。

    /opt/spark/examples/src/main/scripts/getGpusResources.sh

    spark.kubernetes.executor.annotation.k8s.aliyun.com/eci-use-specs

    指定Executor執行個體類型，擴充Executor資料盤空間，避免產生資料盤空間不足的問題。

    支援的執行個體類型如下：

    • ecs.d1ne.2xlarge：8核32 GB

    • ecs.d1ne.4xlarge：16核64 GB

    • ecs.d1ne.6xlarge：24核96 GB

    • ecs.d1ne.8xlarge：32核128 GB

    • ecs.d1ne.14xlarge：56核224 GB

      說明

      • 需按Executor資源需求配置對應的Executor執行個體類型。

      • 需同時配置以下參數

        • spark.kubernetes.executor.volumes.emptyDir.spark-local-dir-1.mount.path=/var

        • spark.kubernetes.executor.volumes.emptyDir.spark-local-dir-1.options.medium=LocalRaid0

      • 可能會存在對應Executor執行個體類型庫存不足的情況，配置後如有報錯請聯絡Lindorm支援人員（DingTalk號：s0s3eg3）。

    無

    資源規模

    配置項

    說明

    預設值

    spark.executor.instances

    作業申請的Executor數量。

    2

    spark.dynamicAllocation.enabled

    是否開啟動態資源分派。取值：

    • true：開啟。

    • false：不開啟。

    開啟動態資源分派後，計算引擎將根據任務工作負載，即時進行Executor資源申請與釋放。

    true

    spark.dynamicAllocation.minExecutors

    動態資源分派時，Executor的最小數量。

    0

    spark.dynamicAllocation.maxExecutors

    動態資源分派時，Executor的最大數量。

    說明

    Executor的最大數量與定義的Task並發量相同。

    Infinity

    spark.dynamicAllocation.executorIdleTimeout

    動態資源分派時，若Executor空閑時間超過該值，Executor資源將被釋放。單位為秒（s）。

    600s

    執行配置項

    配置項

    說明

    預設值

    spark.speculation

    是否開啟推測執行功能 。取值：

    • true：開啟。

    • false：不開啟。

    如果某個Task任務執行較慢，Driver將重新提交Task任務，避免在執行時出現長尾現象。

    說明

    長尾現象即某些Task任務執行的時間遠大於其他Task任務的執行時間。

    true

    spark.task.maxFailures

    Task任務失敗次數限制。當某一個Task任務失敗次數超過該值時，將導致整個作業執行失敗。

    4

    spark.dfsLog.executor.enabled

    是否將Executor日誌儲存至DFS。取值：

    • true：儲存。

    • false：不儲存。

    在Lindorm計算引擎服務規模較大的情況下，將該配置項的取值設定為false，可以避免日誌流增大導致DFS壓力過大。

    true

    spark.jars

    提交任務依賴的JAR包路徑（OSS路徑或HDFS路徑）。

    如果為OSS路徑，您需要配置對應的配置項，包括：

    • spark.hadoop.fs.oss.endpoint

    • spark.hadoop.fs.oss.accessKeyId

    • spark.hadoop.fs.oss.accessKeySecret

    • spark.hadoop.fs.oss.impl

    重要

    通過JDBC方式串連計算引擎時，JAR包僅支援上傳至HDFS。

    無

    spark.hadoop.fs.oss.endpoint

    OSS的Endpoint。擷取Endpoint，請參見公用雲下OSS Region和Endpoint對照表。

    無

    spark.hadoop.fs.oss.accessKeyId

    阿里雲帳號或RAM使用者的AccessKey ID。

    如何擷取AccessKey ID和AccessKey Secret，請參見擷取AccessKey。

    無

    spark.hadoop.fs.oss.accessKeySecret

    阿里雲帳號或RAM使用者的AccessKey Secret。

    如何擷取AccessKey ID和AccessKey Secret，請參見擷取AccessKey。

    無

    spark.hadoop.fs.oss.impl

    訪問OSS的類。

    固定值為：org.apache.hadoop.fs.aliyun.oss.AliyunOSSFileSystem。

    無

    spark.default.parallelism

    非SQL任務預設的並發度，其中包括資料來源的並發度和Shuffle並發度。

    無

    spark.sql.shuffle.partitions

    SQL任務預設的Shuffle並發度。

    200

    監控配置項

    Lindorm計算引擎支援通過自訂監控配置項，在作業日誌中列印Driver和Executor的系統狀態資訊監控執行個體運行狀態。

    配置項

    說明

    預設值

    spark.monitor.cmd

    作業監控命令組。多個監控命令用半形分號（;）分隔。監控方式為定時串列執行所配置的多個監控命令，將執行結果列印到作業日誌中，記錄系統狀態資訊。

    監控命令樣本：

    • 系統整體狀態資訊：top -b -n 1、vmstat。

    • 記憶體狀態資訊：free -m。

    • IO狀態資訊：iostat -d -x -c -k。

    • 硬碟狀態資訊：df -h。

    • 網路狀態資訊：sar -n DEV 1 1、netstat。

    配置語句：

    • 配置單個監控命令：

      "spark.monitor.cmd": "top -b -n 1"

    • 配置多個監控命令：

    "spark.monitor.cmd": "top -b -n 1; vmstat; free -m; iostat -d -x -c -k; df -h; sar -n DEV 1 1; netstat"
    重要

    通過Beeline或JDBC提交作業時不支援修改該配置項。

    無

    spark.monitor.interval

    監控命令組執行的時間間隔。單位為秒（s）。

    spark.monitor.cmd所配置的監控命令組執行的時間間隔。

    60

    spark.monitor.timeout

    監控命令執行的逾時時間，單位為秒（s）。

    如果spark.monitor.cmd所配置的監控命令組中，某一個監控命令執行時間超過該值，則直接跳過該監控命令，繼續執行其後面的監控命令，避免列印監控資訊時出現阻塞。

    2

    開源Spark配置項

    開源Spark配置項的用法，請參見Spark Configuration。

    配置方法

    向Lindorm計算引擎提交作業時，可以自訂資源配置項，不同的提交方式配置方法不同。

    Beeline

    您可以在Beeline命令列所在的Spark軟體包中，修改設定檔conf/beeline.conf。更多資訊，請參見快速入門。

    設定檔樣本如下：

    # Endpoint of Lindorm Compute Engine, e.g. jdbc:hive2://123.456.XX.XX:10009/;?token=bb8a15-jaksdj-sdfjsd-ak****
endpoint=jdbc:hive2://ld-bp13ez23egd123****-proxy-ldps-pub.lindorm.aliyuncs.com:10009/;?token=jfjwi2453-fe39-cmkfe-afc9-01eek2j5****

# Username for connection, by default root.
user=root

# Password for connection, by default root.
password=root

# Whether to share Spark resource between different sessions, by default true.
shareResource=false

# Normal Spark configurations
spark.dynamicAllocation.enabled=true
spark.dynamicAllocation.minExecutors=3

    JDBC

    通過JDBC串連串設定配置項，JDBC串連地址請參見JDBC開發實踐。

    例如：通過JDBC串連串設定Spark的Shuffle預設分區數為2，Executor使用的記憶體量為8 GB。

    jdbc:hive2://${host}:${port}/;?token=${token};spark.executor.memory=8g;spark.sql.shuffle.partitions=2

    JAR

    • 通過Lindorm控制台提交JAR作業可以根據作業內容範本，配置作業參數。具體操作，請參見通過控制台管理作業。

    • 通過DMS提交JAR作業時，可以在作業配置地區配置運行作業的自訂參數。具體操作，請參見通過DMS管理作業。

    Python

    • 通過Lindorm控制台提交Python作業可以根據作業內容範本，配置作業參數。具體操作，請參見通過控制台管理作業。

    • 通過DMS提交Python作業時，可以在作業配置地區配置運行作業的自訂參數。具體操作，請參見通過DMS管理作業。