Spark应用配置参数说明
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; |
|
Spark Jar开发编辑器 | "key": "value" |
|
Notebook开发编辑器 | "key": "value" |
|
spark-submit命令行工具 | key=value |
|
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 | 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 | 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
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*1.5。
按需弹性资源的计费价格，详情请参见湖仓版产品定价。
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 |
m.4xlarge | 32 | 256 | 20 | 48 |
m.8xlarge | 64 | 512 | 20 | 96 |
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：
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 |
| 指定连接元数据服务的类型，支持如下配置：
|
spark.sql.hive.metastore.version | 否 |
| 指定采用元数据服务版本，支持如下配置：
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 |
| 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：
|
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.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.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：
|
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
|
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：
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。 |
指定Spark版本
参数名称 | 是否必填 | 默认值 | 参数说明 |
spark.adb.version | 否 | 3.2 | 指定Spark的版本。取值：
|
AnalyticDB for 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>