火花参数在SparkSubmitOperator - AirFlow中不起作用。
火花参数在SparkSubmitOperator - AirFlow中不起作用。
提问于 2019-11-27 21:59:50
我已经通过下面的火花参数在火花提交操作符在conf中，但是看起来这些参数在运行作业时不工作。
my_conf = {
'spark.io.compression.codec' : 'snappy',
'spark.scheduler.listenerbus.eventqueue.size' : '30000',
'spark.yarn.queue' : 'pixel',
'spark.driver.cores' : '5',
'spark.dynamicAllocation.minExecutors' : '100',
'spark.dynamicAllocation.maxExecutors' : '300',
'spark.shuffle.compress' : 'false',
'spark.sql.tungsten.enabled' : 'true',
'spark.shuffle.spill' : 'true',
'spark.sql.parquet.compression.codec' : 'snappy',
'spark.speculation' : 'true',
'spark.kryo.referenceTracking' : 'false',
'spark.hadoop.parquet.block.size' : '134217728',
'spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version' : '2',
'spark.executor.memory' : '22g',
'spark.hadoop.dfs.blocksize' : '134217728',
'spark.shuffle.manager' : 'sort',
'spark.driver.memory' : '25g',
'spark.hadoop.mapreduce.input.fileinputformat.split.minsize' : '134217728',
'spark.akka.frameSize' : '1024',
'spark.yarn.executor.memoryOverhead' : '3120',
'spark.sql.parquet.filterPushdown' : 'true',
'spark.sql.inMemoryColumnarStorage.compressed' : 'true',
'spark.hadoop.parquet.enable.summary-metadata' : 'false',
'spark.serializer' : 'org.apache.spark.serializer.KryoSerializer',
'spark.rdd.compress' : 'true',
'spark.task.maxFailures' : '50',
'spark.yarn.max.executor.failures' : '30',
'spark.yarn.maxAppAttempts' : '1',
'spark.default.parallelism' : '2001',
'spark.network.timeout' : '1200s',
'spark.hadoop.dfs.client.read.shortcircuit' : 'true',
'spark.dynamicAllocation.enabled' : 'true',
'spark.executor.cores' : '5',
'spark.yarn.driver.memoryOverhead' : '5025',
'spark.shuffle.consolidateFiles' : 'true',
'spark.sql.parquet.mergeSchema' : 'false',
'spark.sql.avro.compression.codec' : 'snappy',
'spark.hadoop.dfs.domain.socket.path' : '/var/lib/hadoop-hdfs/dn_socket',
'spark.shuffle.spill.compress' : 'false',
'spark.sql.caseSensitive' : 'true',
'spark.hadoop.mapreduce.use.directfileoutputcommitter' : 'true',
'spark.shuffle.service.enabled' : 'true',
'spark.driver.maxResultSize' : '0',
'spark.sql.shuffle.partitions' : '2001'}下面是在AirFlow中用来运行火花作业的类
SparkSubmitOperator(
task_id='ml_agg',
application='/home/hdfs/airflow/dags/ML_Agg/ML_Aggregation-assembly-1.0.jar',
conf=my_conf,
conn_id='spark_default',
files=None,
py_files=None,
archives=None,
driver_class_path=None,
jars=None,
java_class='com.pubmatic.ml.MLAggregation_v2',
packages='com.databricks:spark-csv_2.11:1.3.0,com.databricks:spark-avro_2.11:2.0.1',
exclude_packages=None,
repositories=None,
keytab=None,
principal=None,
name='test_airflow_ml_aggregation',
application_args=application_args,
env_vars=None,
verbose=False,
spark_binary="spark-submit",
dag=my_dag
)此外，还提到了spark_default配置。
{"queue":"default","deploy_mode": "cluster", "spark_home": "", "spark_binary": "spark-submit", "namespace": "default"}尽管如此，作业仍然在纱线上的默认队列上运行。
我还需要做点什么吗？
回答 1
Stack Overflow用户
发布于 2019-11-28 05:03:18
spark.yarn.queue被注释掉。您需要取消注释才能在Pixel队列中运行它。
要在submit中使用队列，可以运行spark-submit命令，如下所示：
spark-submit --master yarn --conf spark.executor.memory=XG --conf spark.driver.memory=YG --packages [packages separated by ,] --queue [queue_name] --class [class_name] [jar_file] [arguments]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/59079020
复制相关文章
相似问题
腾讯云开发者
