spark-submit工具参数说明

spark on yarn : job提交重要参数说明

spark-submit

--master yarn-cluster   ##使用集群调度模式(一般使用这个参数)

--queue XXXX    ## job提交队列

--num-executors  10      # executor 数量

--executor-cores  4        #设置单个executor能并发执行task数，根据job设置，推荐值2-16 （这里不是指CPU数，集群不限制CPU使用）

--driver-memory 2g  # driver的内存大小，推荐值2-6G，不宜太大

--executor-memory 5g  #单个executor的内存大小，根据job需求以及并发数设置，最大不要超过30G

--conf spark.storage.memoryFraction=0.1   #设置内存用来作为cache的比例，0.1 为10% （默认为0.6），如果不用内存cache，设置为0

--conf spark.hadoop.fs.hdfs.impl.disable.cache=true      #禁止使用内存cache

--conf spark.default.parallelism=400      #控制Spark中的分布式shuffle过程默认使用的task数量，默认Others: total number of cores on all executor nodes or 2, whichever is larger，我们建议为每一个CPU核（core）分配2-3个任务

--conf spark.cores.max=100   (这个参数在spark  on yarn 上没用)

--conf spark.hadoop.mapreduce.input.fileinputformat.split.minsize=134217728   #调整split文件大小

执行时需要传入的参数说明

Usage: spark-submit [options] <app jar | python file> [app options]

参数名称	含义
--master MASTER_URL	可以是spark://host:port, mesos://host:port, yarn,  yarn-cluster,yarn-client, local
--deploy-mode DEPLOY_MODE	Driver程序运行的地方，client或者cluster
--class CLASS_NAME	主类名称，含包名
--name NAME	Application名称
--jars JARS	Driver依赖的第三方jar包
--py-files PY_FILES	用逗号隔开的放置在Python应用程序PYTHONPATH上的.zip,  .egg, .py文件列表
--files FILES	用逗号隔开的要放置在每个executor工作目录的文件列表
--properties-file FILE	设置应用程序属性的文件路径，默认是conf/spark-defaults.conf
--driver-memory MEM	Driver程序使用内存大小
--driver-java-options
--driver-library-path	Driver程序的库路径
--driver-class-path	Driver程序的类路径
--executor-memory MEM	executor内存大小，默认1G
--driver-cores NUM	Driver程序的使用CPU个数，仅限于Spark Alone模式
--supervise	失败后是否重启Driver，仅限于Spark  Alone模式
--total-executor-cores NUM	executor使用的总核数，仅限于Spark Alone、Spark on Mesos模式
--executor-cores NUM	每个executor使用的内核数，默认为1，仅限于Spark on Yarn模式
--queue QUEUE_NAME	提交应用程序给哪个YARN的队列，默认是default队列，仅限于Spark on Yarn模式
--num-executors NUM	启动的executor数量，默认是2个，仅限于Spark on Yarn模式
--archives ARCHIVES	仅限于Spark on Yarn模式