spark executor-cores参数并未对vcores生效的原因分析

转载来自：http://blog.csdn.net/rongyongfeikai2/article/details/53187421

 

 

虽然目前大多数平台内置Application在提交时，只配置了–num-executors和–executor-memory参数，但是其他APP的开发者可能会配置–executor-cores参数。

举个例子：

./spark-submit –master yarn-client –executor-cores 4 –num-executors 6  –executor-memory 10g –driver-memory 2g –class xxxApp xxJar  –jars $SPARK_HOME/lib/postgresql-9.4-1201.jdbc41.jar

即有6个executor，每个executor的cores数目为4。不过当你提交任务时，你一定会非常吃惊，因为yarn 8088上展示的vcores会是7。看起来就像是参数设置并未生效一样。

其实这是因为我们的capacity schedule使用的是DefaultResourceCalculator，那么DefaultResourceCalculator它在加载container时其实仅仅只会考虑内存而不考虑cores。所以，如果我们想让它既考虑内存也考虑cores的话，需要将$HADOOP_HOME/etc/hadoop/capacity-scheduler.xml

中的：

yarn.scheduler.capacity.resource-calculator
org.apache.hadoop.yarn.util.resource.DefaultResourceCalculator

修改为：

yarn.scheduler.capacity.resource-calculator
org.apache.hadoop.yarn.util.resource.DominantResourceCalculator

请注意每个节点的配置文件都需要修改。并且重启hadoop。

这是再提交spark application，vcores use的数目就对了。

25=4*6+1

另外，如果不期望在命令中写executor-cores参数，可以在$SPARK_HOME/conf/spark-env.sh里配置：

export SPARK_EXECUTOR_CORES=4

这样默认executor-cores就为4了。

注意：以上的一切配置都是基于capacity调度器进行配置的，但是如果你使用的是fair调度器，那么无需配置该参数，fair调度器已经有该功能。