yarn 模式提交spark任务 spark yarn提交流程

spark on yarn 说明:（spark 使用 yarn 调度资源）
    Apache Hadoop YARN （Yet Another Resource Negotiator，另一种资源协调者）是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度.YARN 分层结构的本质是 ResourceManager。这个实体控制整个集群并管理应用程序向基础计算资源的分配。ResourceManager 将各个资源部分（计算、内存、带宽等）精心安排给基础 NodeManager（YARN 的每节点代理） Hadoop2版本以上，引入YARN之后，不仅仅可以使用MapReduce，还可以引用spark等等计算

spark on yarn 的安装配置
    1.安装hadoop：需要安装HDFS模块和YARN模块，HDFS必须安装，spark运行时要把jar包存放到HDFS上。
    2.安装Spark：解压Spark安装程序到一台服务器上，修改spark-env.sh配置文件，spark程序将作为YARN的客户端用于提交任务

# 只需要配置以下两点,可以配置到一个节点，也可以多个节点，只不过提交任务的机器多了
    export JAVA_HOME=/usr/local/jdk1.7.0_80
    export HADOOP_CONF_DIR=/usr/local/hadoop-2.6.4/etc/hadoop

3.启动HDFS和YARN
　　4,Spark 下载与 hadoop 版本对应的版本
　　5,Yarn 是 spark 的一个客户端. 需要 spark 提交应用程序
　　6,Spark jar 包自动存放在 hdfs 之中,才能被 yarn 识别
spark on yarn 两种接口模式:

1,client模式：Driver(也就是初始sc与 sqlcontext程序)运行在Client(提交jar包的节点,与resourcemanager无关)上，应用程序运行结果会在客户端显示，所有适合运行结果有输出的应用程序（如spark-shell）
    1),在client模式下，Driver运行在Client上，通过ApplicationMaster向RM获取资源。
    2),本地Driver负责与所有的executor container进行交互，并将最后的结果汇总。
    3),结束掉终端，相当于kill掉这个spark应用。一般来说，如果运行的结果仅仅返回到terminal上时需要配置这个。
    4),客户端的Driver将应用提交给Yarn后，Yarn会先后启动ApplicationMaster和executor，
    5)另外ApplicationMaster和executor都 是装载在container里运行，container默认的内存是1G，
    6),ApplicationMaster分配的内存是driver- memory，executor分配的内存是executor-memory。
    7),同时，因为Driver在客户端，所以程序的运行结果可以在客户端显 示，Driver以进程名为SparkSubmit的形式存在。
yarn-client提交任务流程图

cluster模式：
    Driver程序在YARN中运行(由resourcemanager随机分配driver,)，应用的运行结果不能在客户端显示，所以最好运行那些将结果最终保存在外部存储介质（如HDFS、Redis、Mysql）而非stdout输出的应用程序，客户端的终端显示的仅是作为YARN的job的简单运行状况
Spark Driver首先作为一个ApplicationMaster在YARN集群中启动，客户端提交给ResourceManager的每一个job都会在集群的NodeManager节点上分配一个唯一的ApplicationMaster，由该ApplicationMaster管理全生命周期的应用。具体过程：
1. 由client向ResourceManager提交请求，并上传jar到HDFS上
        a).连接到RM
        b).从RM的ASM（ApplicationsManager ）中获得metric、queue和resource等信息。
        c). upload app jar and spark-assembly jar
        d).设置运行环境和container上下文（launch-container.sh等脚本)
2. ResouceManager向NodeManager申请资源，创建Spark ApplicationMaster（每个SparkContext都有一个ApplicationMaster）
3. NodeManager启动ApplicationMaster，并向ResourceManager AsM注册
4. ApplicationMaster从HDFS中找到jar文件，启动SparkContext、DAGscheduler和YARN Cluster Scheduler
5. ResourceManager向ResourceManager AsM注册申请container资源
6. ResourceManager通知NodeManager分配Container，这时可以收到来自ASM关于container的报告。（每个container对应一个executor）
7. Spark ApplicationMaster直接和container（executor）进行交互，完成这个分布式任务

spark standlone 模式 driver一定在master之上, Executor在worker之上，在执行./spark-shell的时候，要加上MASTER这个参数