备案控制台
文档
产品文档
输入文档关键字查找
首页 云原生数据仓库AnalyticDB MySQL版 操作指南 作业开发 Spark应用开发 Spark应用配置参数说明

Spark应用配置参数说明

更新时间：
一键部署
产品详情
相关技术圈
我的收藏

云原生数据仓库 AnalyticDB MySQL 版（AnalyticDB for MySQL）Spark配置参数跟开源Spark中的配置参数基本一致。本文介绍AnalyticDB for MySQL与开源Spark用法不一致的配置参数。

使用说明

Spark应用配置参数用于配置和调整Spark应用程序的行为和性能。使用不同的Spark开发工具，应用配置参数的格式不同。

开发工具

配置参数格式

配置参数示例

SQL开发编辑器

set key=value;

set spark.sql.hive.metastore.version=adb;

Spark Jar开发编辑器

"key": "value"

"spark.sql.hive.metastore.version":"adb"

Notebook开发编辑器

"key": "value"

"spark.sql.hive.metastore.version":"adb"

spark-submit命令行工具

key=value

spark.sql.hive.metastore.version=adb

指定Driver和Executor资源

参数名称

是否必填

参数说明

对应开源Spark参数名称

spark.driver.resourceSpec

是

Spark driver的资源规格。不同型号的取值对应不同的规格，详情请参见Spark资源规格列表的型号列。

重要

提交Spark应用时，可使用开源Spark参数，且取值需为Spark资源规格列表中的核数和内存。

例如CONF spark.driver.resourceSpec = c.small;，则Spark driver的资源规格为1核2 GB。

spark.driver.cores及spark.driver.memory

spark.executor.resourceSpec

是

Spark executor的资源规格。不同型号的取值对应不同的规格，详情请参见Spark资源规格列表的型号列。

重要

提交Spark应用时，可使用开源Spark参数，且取值需为Spark资源规格列表中的核数和内存。

例如CONF spark.executor.resourceSpec = c.small;，则Spark executor的资源规格为1核2 GB。

spark.executor.cores及spark.executor.memory

spark.adb.driverDiskSize

否

在Spark Driver节点中挂载的额外磁盘容量, 应用于业务上需要较大磁盘空间的场景。默认挂载目录为/user_data_dir。

取值范围为(0,100]，单位为GiB，例如：spark.adb.driverDiskSize=50Gi，表示将Spark Driver节点中挂载的额外磁盘容量设置为50 GiB。

无

spark.adb.executorDiskSize

否

在Spark Executor节点中挂载的额外磁盘容量, 应用于Shuffle数据写入。默认挂载目录为/shuffle_volume。

取值范围为(0,100]，单位为GiB，例如：spark.adb.executorDiskSize=50Gi，表示将Spark Executor节点中挂载的额外磁盘容量设置为50 GiB。

无

Spark资源规格列表

重要

执行Spark作业时，既可以使用预留资源，也可以使用弹性资源。如果使用Job型资源组的按需弹性资源执行Spark作业，会根据Spark资源规格以及资源规格的CPU内存比计算使用的ACU数量，具体计算方法如下。

  • CPU内存比为1:2，使用的ACU数量=Spark资源规格核数*0.8。

  • CPU内存比为1:4，使用的ACU数量=Spark资源规格核数*1。

  • CPU内存比为1:8，使用的ACU数量=Spark资源规格核数*1.25。

按需弹性资源的计费价格，详情请参见湖仓版（3.0）产品定价。

表 1. Spark资源规格列表

型号（Type）

规格

使用的ACU数量

CPU（Core）

内存（GB）

磁盘空间1（GB)

c.small

1

2

20

0.8

small

1

4

20

1

m.small

1

8

20

1.5

c.medium

2

4

20

1.6

medium

2

8

20

2

m.medium

2

16

20

3

c.large

4

8

20

3.2

large

4

16

20

4

m.large

4

32

20

6

c.xlarge

8

16

20

6.4

xlarge

8

32

20

8

m.xlarge

8

64

20

12

c.2xlarge

16

32

20

12.8

2xlarge

16

64

20

16

m.2xlarge

16

128

20

24

说明

1磁盘空间：预估会有1%左右的系统占用，您可用的空间大小可能不足20 GB。

指定Spark作业优先级

参数名称

是否必填

默认值

参数说明

spark.adb.priority

否

NORMAL

指定Spark作业的优先级。当因资源不足导致Spark作业排队执行时，等待队列中优先级更高的Spark作业优先获取运行资源，从而保障其能更早进入执行状态。取值说明：

  • HIGH：高优先级。

  • NORMAL：一般优先级。

  • LOW：低优先级。

  • LOWEST：最低优先级。

重要

建议设置Streaming类（长期运行的流作业）Spark作业的优先级为HIGH。

连接元数据服务

参数名称

是否必填

默认值

参数说明

spark.sql.catalogImplementation

否

  • Spark SQL类型作业的默认值为：hive。

  • 非Spark SQL类型作业的默认值：in-memory。

指定连接元数据服务的类型，支持如下配置：

  • hive：连接Spark内置的Hive MetaStore中的元数据信息。

  • in-memory：连接临时目录中的元数据信息。

spark.sql.hive.metastore.version

否

  • Spark SQL类型作业的默认值：adb。

  • 非Spark SQL类型作业的默认值：<hive_version>。

指定采用元数据服务版本，支持如下配置：

  • adb：连接AnalyticDB for MySQL中的元数据信息。

  • <hive_version>：指定Hive MetaStore的版本。

说明

示例

  • 连接AnalyticDB for MySQL中的元数据信息，配置如下：

    spark.sql.hive.metastore.version=adb;

  • 连接Spark内置的Hive MetaStore中的元数据信息，配置如下：

    spark.sql.catalogImplementation=hive;
spark.sql.hive.metastore.version=2.1.3;

  • 连接临时目录中的元数据信息，配置如下：

    spark.sql.catalogImplementation=in-memory;

配置Spark UI

参数名称

是否必填

默认值

参数说明

spark.app.log.rootPath

否

oss://<aliyun-oa-adb-spark-阿里云账号ID-oss-可用区ID>/<集群ID>/<Spark应用ID>

存储AnalyticDB for MySQLSpark作业日志及Linux操作系统输出内容的路径。

默认OSS路径Spark应用ID的文件夹下存储的内容如下：

  • 名称为Spark应用ID-000X的文件存储用于Spark UI渲染的Spark Event日志。

  • 名称为driver和数字的文件夹存储对应的节点日志。

  • 名称为stdout和stderr的文件夹存储Linux操作系统的输出内容。

spark.adb.event.logUploadDuration

否

false

是否记录EventLog上传时消耗的时间。

spark.adb.buffer.maxNumEvents

否

1000

Driver内部缓存Event的最大数量。

spark.adb.payload.maxNumEvents

否

10000

一次上传的Event到OSS的最大数量。

spark.adb.event.pollingIntervalSecs

否

0.5

Event上传到OSS时，两次上传之间的时间间隔，单位为秒。例如：设置为每隔0.5秒上传一次。

spark.adb.event.maxPollingIntervalSecs

否

60

重新上传Event到OSS需要等待的最大时间间隔。单位为秒。如果上传失败需要重新上传，两次上传的时间间隔会大于spark.adb.event.pollingIntervalSecs，但时间间隔最大不会超过spark.adb.event.maxPollingIntervalSecs。

spark.adb.event.maxWaitOnEndSecs

否

10

Event上传到OSS的最大等待时间，单位为秒。最大等待时间为开始上传到完成上传的时间间隔。超过最大等待时间会重新上传。

spark.adb.event.waitForPendingPayloadsSleepIntervalSecs

否

1

重新上传Event完成的最大时间，单位为秒。在超过 spark.adb.event.maxWaitOnEndSecs的时间后未完成上传，重新上传需要等待的时间。

spark.adb.eventLog.rolling.maxFileSize

否

209715200

EventLog在OSS存储文件的切片大小，单位为 byte。EventLog在OSS上是多个文件存储，例如 Eventlog.0、Eventlog.1，可控制Eventlog.0、Eventlog.1文件的大小。

为RAM用户授权

参数名称

是否必填

默认值

参数说明

spark.adb.roleArn

否

无

在RAM系统中授予提交Spark应用的RAM用户的角色ARN，详情请参见RAM角色概览。RAM用户提交应用时，需要填写该参数，阿里云账号无需填写该参数。

说明

如果已在控制台为RAM用户进行了快速授权操作，则无需再通过配置参数为该RAM用户授权。详情请参见账号授权。

内置数据源连接器

参数名称

是否必填

默认值

参数说明

spark.adb.connectors

否

无

启用AnalyticDB for MySQLSpark内置的连接器，连接器名称以逗号分隔，目前可选的连接器有oss、hudi、delta、adb、odps、external_hive、jindo。

spark.hadoop.io.compression.codec.snappy.native

否

false

标识Snappy文件是否为标准Snappy文件。Hadoop默认识别的是Hadoop修改过的Snappy格式文件。设置为true时将使用标准Snappy库解压，否则使用hadoop默认的Snappy库解压。

跨VPC访问和连接数据源

参数名称

是否必填

默认值

参数说明

spark.adb.eni.enabled

否

false

是否开启ENI访问的开关。

如果是通过外表访问其他外部数据源，则需要打开ENI访问开关。取值说明：

  • true：开启

  • false：关闭

spark.adb.eni.vswitchId

否

无

弹性网卡的交换机ID。

如果是从ECS通过VPC网络连接AnalyticDB for MySQL，需要配置VPC网络的交换机ID。

说明

当配置了开启VPC网络时，需要同时开启ENI访问，即配置spark.adb.eni.enabled为true。

spark.adb.eni.securityGroupId

否

无

弹性网卡的安全组ID。

如果是从ECS通过VPC网络连接AnalyticDB for MySQL，需配置安全组ID。

说明

当配置了开启VPC网络时，需要同时开启ENI访问，即配置spark.adb.eni.enabled为true。

spark.adb.eni.extraHosts

否

无

需要额外传入的IP和Host的映射关系，以便Spark能正确解析数据源中的Host。如连接自建的Hive数据源，则需要传入此参数。

说明

  • IP和Host之间用空格分隔。多个IP和域名用英文逗号（,）分隔，如ip0 master0,ip1 master1。

  • 当配置了连接数据源时，需要同时开启ENI网络，即配置spark.adb.eni.enabled为true。

spark.adb.eni.adbHostAlias.enabled

否

false

是否开启自动将AnalyticDB for MySQL服务所需要的域名解析信息写入到域名映射表中。取值说明：

  • true：开启。

  • false：关闭。

在通过ENI连接EMR Hive读写数据时，需要开启。

应用重试

参数名称

是否必填

默认值

参数说明

spark.adb.maxAttempts

否

1

最大尝试次数，默认值为1，代表不需要重试。

假设配置为3，则这个应用在一个滑动窗口期时间内最多尝试3次。

spark.adb.attemptFailuresValidityInterval

否

Integer.MAX

重试计数的滑动窗口时间，单位：秒（s）。

假设配置为6000，那么当一次重试失败后，系统会计算过去6000s共进行了多少次重试，如果重试次数少于maxAttempts的配置值，则会继续重试。

指定Spark作业的运行环境

使用Virtual Environments打包Python环境，提交Spark作业时需配置以下参数。

参数名称

是否必填

默认值

参数说明

spark.pyspark.python

否

无

指定要使用的Python解释器的本地路径。

AnalyticDB MySQL不支持的配置参数

AnalyticDB for MySQLSpark暂不支持以下开源Spark的配置参数。这些配置参数对于AnalyticDB for MySQLSpark不会生效。

Useless options(these options will be ignored):
  --deploy-mode
  --master
  --packages, please use `--jars` instead
  --exclude-packages
  --proxy-user
  --repositories
  --keytab
  --principal
  --queue
  --total-executor-cores
  --driver-library-path
  --driver-class-path
  --supervise
  -S,--silent
  -i <filename>

文档推荐
  • 本页导读 （1）
文档反馈