SPARK节点

综述

Spark 任务类型，用于执行 Spark 程序。对于 Spark 节点，worker 会通关使用 spark 命令 spark submit 方式提交任务。更多详情查看 spark-submit。

创建任务

  • 点击项目管理 -> 项目名称 -> 工作流定义，点击”创建工作流”按钮，进入 DAG 编辑页面：

  • 拖动工具栏的 Spark - 图1 任务节点到画板中。

任务参数

  • 节点名称：设置任务的名称。一个工作流定义中的节点名称是唯一的。
  • 运行标志：标识这个节点是否能正常调度,如果不需要执行，可以打开禁止执行开关。
  • 描述：描述该节点的功能。
  • 任务优先级：worker 线程数不足时，根据优先级从高到低依次执行，优先级一样时根据先进先出原则执行。
  • Worker 分组：任务分配给 worker 组的机器执行，选择 Default 会随机选择一台 worker 机执行。
  • 环境名称：配置运行脚本的环境。
  • 失败重试次数：任务失败重新提交的次数。
  • 失败重试间隔：任务失败重新提交任务的时间间隔，以分为单位。
  • 延迟执行时间：任务延迟执行的时间，以分为单位。
  • 超时警告：勾选超时警告、超时失败，当任务超过“超时时长”后，会发送告警邮件并且任务执行失败。
  • 程序类型：支持 Java、Scala 和 Python 三种语言。
  • Spark 版本：支持 Spark1 和 Spark2。
  • 主函数的 Class：Spark 程序的入口 Main class 的全路径。
  • 主程序包：执行 Spark 程序的 jar 包（通过资源中心上传）。
  • 部署方式：支持 yarn-clusetr、yarn-client 和 local 三种模式。
  • 任务名称（可选）：Spark 程序的名称。
  • Driver 核心数：用于设置 Driver 内核数，可根据实际生产环境设置对应的核心数。
  • Driver 内存数：用于设置 Driver 内存数，可根据实际生产环境设置对应的内存数。
  • Executor 数量：用于设置 Executor 的数量，可根据实际生产环境设置对应的内存数。
  • Executor 内存数：用于设置 Executor 内存数，可根据实际生产环境设置对应的内存数。
  • 主程序参数：设置 Spark 程序的输入参数，支持自定义参数变量的替换。
  • 选项参数：支持 --jar、--files、--archives、--conf 格式。
  • 资源：如果其他参数中引用了资源文件，需要在资源中选择指定。
  • 自定义参数：是 Spark 局部的用户自定义参数，会替换脚本中以 ${变量} 的内容。
  • 前置任务：选择当前任务的前置任务，会将被选择的前置任务设置为当前任务的上游。

任务样例

执行 WordCount 程序

本案例为大数据生态中常见的入门案例，常应用于 MapReduce、Flink、Spark 等计算框架。主要为统计输入的文本中，相同的单词的数量有多少。

上传主程序包

在使用 Spark 任务节点时，需要利用资源中心上传执行程序的 jar 包，可参考资源中心。

当配置完成资源中心之后，直接使用拖拽的方式，即可上传所需目标文件。

resource_upload

配置 Spark 节点

根据上述参数说明，配置所需的内容即可。

demo-spark-simple

注意事项：

注意：JAVA 和 Scala 只是用来标识，没有区别，如果是 Python 开发的 Spark 则没有主函数的 class，其他都是一样。