当前位置:网站首页>pyspark资源配置
pyspark资源配置
2022-08-08 21:26:00 【Code_LT】
pyhton中,想像scala一样,对spark使用资源做指定,如:
spark-submit \
--principal $principal \
--keytab $keytab \
--name Test \
--master yarn --deploy-mode cluster \
--num-executors 10 \
--executor-cores 4 \
--executor-memory 16G \
--driver-memory 16G \
--conf spark.locality.wait=10 \
--conf spark.serializer="org.apache.spark.serializer.KryoSerializer" \
--conf spark.streaming.backpressure.enabled=true \
--conf spark.task.maxFailures=8 \
--conf spark.driver.maxResultSize=8G \
--conf spark.default.parallelism=500 \
--conf spark.sql.shuffle.partitions=300 \
--conf spark.sql.autoBroadcastJoinThreshold=-1 \
--conf spark.sql.broadcastTimeout=3000 \
--conf spark.yarn.submit.waitAppCompletion=true \
--conf spark.yarn.report.interval=6000 \
--conf spark.driver.extraClassPath=$localroot/config \
--conf spark.executor.userClassPathFirst=true \
--conf spark.hbase.obtainToken.enabled=true \
--conf spark.yarn.security.credentials.hbase.enabled=true \
--conf spark.executor.extraJavaOptions="${executorJavaOpts:34}" \
--conf spark.yarn.cluster.driver.extraJavaOptions="${driverJavaOpts:45}" \
--conf spark.driver.userClassPathFirst=true \
--conf spark.yarn.dist.innerfiles=$SPARK_HOME/conf/log4j-executor.properties,$SPARK_HOME/conf/jaas-zk.conf,$SPARK_HOME/conf/carbon.properties,$SPARK_HOME/conf/jets3t.properties,$SPARK_HOME/conf/topology.properties,$SPARK_HOME/conf/mapred-site.xml \
--files $localroot/config/logback.xml,\
$localroot/config/hbase-site.xml,$localroot/config/kdc.conf,${uploadFiles} \
--class com.huawei.rcm.newsfeed.boxrcm.nearby.CityInfoParse \
--jars $localroot/lib/bcprov-ext-jdk15on-1.68.jar,\
$localroot/lib/CryptoUtil-1.1.5.304.jar,\
$localroot/lib/commons-pool2-2.8.1.jar,\
$localroot/lib/jedis-2.9.0.jar,$localroot/lib/com.huawei.dcs.dcsdk.core-1.6.18.101.jar,$localroot/lib/com.huawei.dcs.dcsdk.support.onejar-1.6.18.101.jar,$localroot/lib/gpaas-middleware-common-2.2.5.101.jar,\
$app_jarpath \
$arg1 \
$arg2 \
$arg3 \
但很难查到pyspark任务的资源指定配置。
其实很相似,方法如下:
keytab_path=/home/testuser/wdbkeytab/user.keytab
anaconda_archive=hdfs://teset/anaconda3.tar.gz#anaconda_pack
application_name=task_id_$1_$2
pyspark_python="./anaconda_pack/anaconda3/bin/python"
spark-submit --master yarn --deploy-mode cluster --name $application_name \
--driver-cores 2 \
--driver-memory 64G \
--queue $queue \
--num-executors 50 \
--executor-memory 3g \
--executor-cores 2 \
--principal $principal \
--keytab $keytab_path \
--archives $anaconda_archive \
--conf spark.yarn.appMasterEnv.PYSPARK_PYTHON=$pyspark_python \
--conf spark.executorEnv.PYSPARK_PYTHON=$pyspark_python \
--conf spark.driver.maxResultSize=10G \
--conf spark.default.parallelism=1000 \
--conf spark.speculation=true --conf spark.speculation.interval=60000 --conf spark.speculation.quantile=0.85 \
--conf spark.hadoop.mapreduce.input.fileinputformat.input.dir.recursive=true \
--conf spark.security.credentials.hbase.enabled=true \
--conf spark.hadoop.validateOutputSpecs=false \
--conf spark.yarn.user.classpath.first=true \
--conf spark.executor.memoryOverhead=40960 \
--conf spark.yarn.am.waitTime=1000s \
--py-files test.py \
边栏推荐
猜你喜欢
随机推荐
如何将 Matplotlib 可视化 插入到 Excel 表格中?
分别用BeautifulSoup和scrapy爬取某一城市天气预报
Excel摸鱼技巧:快速实现分列转到行
MATLAB综合实例:部门工资统计图分析
分布式文件存储——分块上传和断点续传
C + +环境设置
中国石油大学(北京)-《钻井液工艺原理》第三阶段在线作业
如何判断一个 IP 是爬虫
力扣每日一题----子数组的最大平均数
a标签的三种禁止跳转方式
ES6新特性未命名参数
Baidu IP query
微信小程序小说云开发免费源码
cURL是什么?
二分、前缀和(激光炸弹)几道例题的详细讲解,帮助理解相关知识点
金山WPS支持xlookup了?亲自上手实战好不好用。
scrapy爬当当网书籍信息
爬虫系列:使用 MySQL 存储数据
用Multisim仿真对调幅波进行解调
numpy基础