spark-on-yarn作业提交缓慢优化之spark jar包处理-优快云博客

本文解析了Spark on YARN方式下作业提交缓慢的原因，深入分析日志，指出未配置spark.yarn.jars或spark.yarn.archive参数导致的问题，并提供了解决方案，包括上传所有jar包至HDFS及在spark-default.conf中设置相应参数。

spark on yanr方式运行计算作业，发现作业提交缓慢,查看日志如下：


18/09/25 11:25:38 WARN yarn.Client: Neither spark.yarn.jars nor spark.yarn.archive is set, falling back to uploading libraries under SPARK_HOME.
18/09/25 11:25:51 INFO yarn.Client: Uploading resource file:/tmp/spark-293d2659-5df4-4445-8e6a-2d46103402e4/__spark_libs__6050322568575248936.zip -> hdfs://hadoop001:9000/user/hadoop/.sparkStaging/application_1537843134586_0005/__spark_libs__6050322568575248936.zip
18/09/25 11:26:04 INFO yarn.Client: Uploading resource file:/tmp/spark-293d2659-5df4-4445-8e6a-2d46103402e4/__spark_conf__938847757818885511.zip -> hdfs://hadoop001:9000/user/hadoop/.sparkStaging/application_1537843134586_0005/__spark_conf__.zip

从日志信息可以看到，

如果spark.yarn.archive 或者 spark.yarn.jars这两个参数都没有配置，spark就会把$SPARK_HOME/jars/所有的jar上传到分布式缓存中，大约耗时30s左右，造成提交缓慢。

解决办法：

1、将$SPARK_HOME/jars/下面的所有jar包上传到hdfs上

hadoop fs -mkdir -p /spark/jars/

hadoop fs -put /home/hadoop/app/spark-2.3.1-bin-2.6.0-cdh5.7.0/jars/*.jar /spark/jars/

2、spark-default.conf文件里面添加如下参数：

spark.yarn.jar hdfs://hadoop001:9000/spark/jars/*.jar

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/29609890/viewspace-2214787/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/29609890/viewspace-2214787/