Spark低版本适配Celeborn

Spark-3.5版本以下使用Celeborn时,无法使用动态资源,对于低版本的Spark,Celeborn提供了patch。各版本patch如下

https://github.com/apache/incubator-celeborn/tree/main/assets/spark-patch

下载patch,这里下载spark-3版本,将Celeborn_Dynamic_Allocation_spark3_3.patch放至spark-3.3.1源码目录下,和core同一层级,执行如下命令代码合并

bash 复制代码
patch -p1 < Celeborn_Dynamic_Allocation_spark3_3.patch

重新编译spark源码,并生成spark tgz包

bash 复制代码
./dev/make-distribution.sh --tgz --name custom-spark -Phadoop-3.2 -Dhadoop.version=3.2.1 \
 -Phive-3.2.1 -Phive-thriftserver -Pyarn -DskipTests

提交任务

bash 复制代码
 /opt/apps/SPARK3/spark-3.3.1-bin-custom-spark/bin/spark-submit \
--conf spark.shuffle.manager=org.apache.spark.shuffle.celeborn.SparkShuffleManager \
--conf spark.celeborn.client.spark.shuffle.writer=hash \
--conf spark.serializer=org.apache.spark.serializer.KryoSerializer \
--conf spark.celeborn.master.endpoints=celeborn-master:9097 \
--conf spark.sql.adaptive.enabled=true \
--conf spark.sql.adaptive.skewJoin.enabled=false \
--conf spark.celeborn.client.push.replicate.enabled=false \
--conf spark.dynamicAllocation.enabled=true \
--conf spark.shuffle.service.enabled=false \
--conf spark.celeborn.storage.hdfs.dir=hdfs://hdfs-cluster/celeborn \
--conf spark.dynamicAllocation.initialExecutors=10 \
--conf spark.dynamicAllocation.minExecutors=0 \
--conf spark.dynamicAllocation.maxExecutors=10 \
--conf spark.dynamicAllocation.executorIdleTimeout=30s \
--queue dataAnalysis \
--class com.rs.dsp.etl.jobs.CommonUserTrackSessionDetailD \
--master yarn \
--deploy-mode cluster \
--driver-memory 4GB \
--executor-memory 15G \
--executor-cores 2 \
/root/rs-dsp-spark-1.0-SNAPSHOT-jar-with-dependencies.jar
相关推荐
lucky_syq21 小时前
Spark算子:大数据处理的魔法棒
大数据·分布式·spark
D愿你归来仍是少年1 天前
解决Python升级导致PySpark任务异常方案
大数据·开发语言·python·spark
weixin_307779131 天前
PySpark检查两个DataFrame的数据是否一致
大数据·spark·pandas
人类群星闪耀时1 天前
数据湖与数据仓库:初学者的指南
大数据·数据仓库·spark
Java资深爱好者1 天前
如何使用Spark SQL进行复杂的数据查询和分析
大数据·sql·spark
赵渝强老师1 天前
【赵渝强老师】Spark RDD的缓存机制
大数据·缓存·spark
anqi271 天前
Linux 的基本命令
linux·开发语言·后端·spark
DreamLife☼2 天前
Qt MSVC 编译器报错 C1060
qt·内存·编译·msvc·c1060
宅小海2 天前
spark
分布式·spark
python资深爱好者2 天前
如何优化Spark作业的性能
大数据·分布式·spark