Spark 的 Yarn-cluster 模式和 Yarn-client 模式

Spark 支持 Yarn 集群的部署模式，在 Spark On Yarn 模式下，每个 Spark 的 Executor 作为一个 Yarn container 在运行，同事支持多个任务在同一个 container 中运行。

Yarn 的 Application Master 概念：在 Yarn 中，每个 application 都有一个 Application 都有一个 Application Master 进程，它是 Application 启动的第一个容器，负责从 ResourceManager 中申请资源，分配资源，同时通知 NodeManager 来为 Application 启动 Container。

Spark On Yarn 有两种模式，一种是 Yarn-client 模式，一种是 Yarn-cluster 模式。一般情况下，Yarn-client 模式使用在调试模式下，Yarn-cluster 模式使用在生产环境中。

1，Yarn-cluster 模式

在 Yarn-cluster 模式下，driver 运行在 Appliaction Master 上，Appliaction Master 进程同时负责驱动 Application 和从 Yarn 中申请资源，该进程运行在 Yarn container 内，所以启动 Application Master 的 client 可以立即关闭而不必持续到 Application 的生命周期，下图是 Yarn-cluster 模式：

在 Yarn-cluster 模式中，当用户向 Yarn 中提交一个应用程序后，Yarn 将分两个阶段运行该应用程序：

1. 第一个阶段是把 Spark 的 driver 作为一个 ApplicationMaster 在 Yarn 集群中先启动；
2. 第二个阶段是由 ApplicationMaster 创建应用程序，然后为它向 ResourceManager 申请资源，并启动 Executor 来运行 Task，同时监控它的整个运行过程，直到运行完成。

应用的运行结果不能在客户端显示（可以在 history server 中查看），所以最好将结果保存在 HDFS 而非 stdout 输出，客户端的终端显示的是作为 Yarn 的 job 的简单运行状况。

2，Yarn-client 模式

在 Yarn-client 中，driver 运行在 client 上，通过 ApplicationMaster 向 RM 获取资源。本地 driver 负责与所有的 executor container 进行交互，并将最后的结果汇总。结束掉终端，相当于 kill 掉这个 Spark 应用。因为 driver 在客户端，所以可以通过 webUI 访问 driver 的状态，默认是 http://hadoop1:4040 访问，而 Yarn 通过 http:// hadoop1:8088 访问。工作流程如下图：

具体的执行流程如下图所示：

对比两种模式可以看出一点，Yarn-client 模式下的 driver 进程执行在本地机器上，而 Yarn-cluster 模式下的 driver 进程执行在 Yarn 集群上面。

参考：www.cnblogs.com/ITtangtang/…