YARN, MR History Server和Spark History Server

YARN, MR History Server和Spark History Server三者的区别:

今天听到有人说, "Yarn自带的History Server"如何如何之类的。看来还有很多人把history server当做是为YARN的应用提供服务的功能。

所以我想，还是有必要梳理一下YARN, YARN中的history server，以及spark的history server。

YARN是一个通用的计算资源管理平台，它将计算资源抽象为container，分配给应用执行计算task。

在YARN的发布包中，同时发布了MapReduce2，也就是可以运行在YARN上的移植版本。而YARN中的history server，其实是针对MR的，并非是针对YARN通用平台的服务。所以，针对这个history server的配置项，其实都是在mapred-site.xml中进行配置的。

同样，Spark程序如果也想跑在YARN上，并且有自己的应用状态监控平台，那么Spark也就需要有自己的history server。

为何YARN不能提供统一的history server, 而需要MR和Spark分别都有自己的history server呢? 这时因为，不同的计算模型，其计算task的模式是完全不同的, MR是分map和reduce的, Spark是分stage的, 完全不同，当然需要自己的history server。

介绍一下如何启动Spark history server:

  1 配置:

     spark-defaults.conf中:
         spark.eventLog.enabled           true
         spark.eventLog.dir               hdfs://localhost:8020/tmp/spark_historyserver_event

     spark-env.sh中:

         export SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=hdfs://localhost:8020/tmp/spark_historyserver"

 2 启动spark historyserver:

    sh start-history-server.sh hdfs://localhost:8020/tmp/spark_historyserver_event;

关于yarn.log.server.url参数:

上面说到, 虽然spark和MR的模型不同,都有自己的historyserver, 但是有一个是相通的,就是都是在YARN上运行, 每个container有统一的日志存放地址;

YARN在这里做了一个容易让人混淆的事情,就是YARN把container日志查询和查看的方式,做到MR的historyserver中了.

相当于是MR的historyserver提供了一个功能: 根据containerid或者applicationid,查询日志.

所以,YARN提供了yarn.log.server.url参数,指定查询日志的url,就是下面的配置:
    <property>

        <name>yarn.log.server.url</name>
        <value>http://localhost:19888/jobhistory/logs/</value>
    </property>

由于是YARN提供的,所以这个配置项放在: yarn-site.xml里.

所以,就好理解官方文档中如下的话了:

1 The logs are also available on the Spark Web UI under the Executors Tab. 

2 You need to have both the Spark history server and the MapReduce history server running and configure yarn.log.server.url in yarn-site.xml properly. The log URL on the Spark history server UI will redirect you to the MapReduce history server to show the aggregated logs.

如果配置了上面的参数, 在Spark的history server中的"Executors"Tab页面, 可以帮你重定向到MapReduce history server中以及聚合的日志.

从源码上看, YARN中的代码是这样的(在NMController.java):
    String logServerUrl = nmConf.get(YarnConfiguration.YARN_LOG_SERVER_URL);
    String redirectUrl = null;
    if (logServerUrl == null || logServerUrl.isEmpty()) {
        redirectUrl = "false";
    } else {
        redirectUrl = url(logServerUrl, nmContext.getNodeId().toString(), containerIdStr,
            containerIdStr, $(APP_OWNER));

    }