spark-submit

spark submit summary

스파크 어플리케이션을 클러스터 매니저에 제출하기 위해 spark-submit이라는 툴을 이용한다. submit을 할 때 다양한 파라미터로 추가 정보를 제공할 수 있다.

spark-submit parameter

 

파라미터	설명
--master <MASTER_URL>	클러스터 매니저를 설정함. 아래 표에서 자세히 설명
--deploy-mode <DEPLOY_MODE>	드라이버 프로세스를 client에서 실행할지, cluster에서 실행할 지 결정함 (Default: client)
--class <CLASS_NAME>	스파크 어플리케이션의 메인클래스 (Java, Scala 앱의 경우)
--name	제출하는 스파크 어플리케이션의 이름
--jars	드라이버와 익스큐터의 CLASSPATH에 포함될 로컬 JAR 파일들 (콤마로 구분한 리스트로 지정)
--packages	드라이버와 익스큐터의 CLASSPATH에 포함될 메이븐 의존성 정보 (콤마로 구분한 리스트로 지정)
--exclude-packages	--packages에서 충돌 방지를 위해 제외해야 하는 목록 (콤마로 구분한 리스트로 지정)
--repositories	--packages에 지정된 의존성 라이브러리를 검색할 때 사용할 원격 메이브 저장소 목록 (콤마로 구분한 리스트로 지정)
--py-files <PY_FILES>	PYTHONPATH에 추가할 .zip .egg .py 파일을 지정 (Python 앱의 경우)
--files	각 익스큐터의 작업 디렉토리에 위치할 파일들 (콤마로 구분한 리스트로 지정)
--conf PROP=VALUE	스파크 환경설정 지정
--driver-memory	드라이버에서 사용할 메모리 지정 (Default: 1024M)
--executor-memory	각 익스큐터에서 사용할 메모리 지정 (Default: 1G)

--master 파라미터

Master	설명
spark://host:port	스파크 단독 클러스터
mesos://host:port	메소스 클러스터
yarn	얀 클러스터. yarn을 클러스터 매니저로 사용하기 위해서는 환경변수 HADOOP_CONF_DIR이나 YARN_CONF_DIR을 설정해야 한다. 스파크가 해당 환경변수로 YARN 설정을 찾기 때문.
local	로컬 모드에서 싱글 코어로 실행
local[n]	로컬 모드에서 n개의 코어로 실행
local[*]	로컬 모드의 모든 코어로 실행

spark-submit --help

---

해당 명령어로 모든 파라미터에 대한 설명을 볼 수 있다.

(base) [user@server ~]$ spark-submit --help
Usage: spark-submit [options] <app jar | python file | R file> [app arguments]
Usage: spark-submit --kill [submission ID] --master [spark://...]
Usage: spark-submit --status [submission ID] --master [spark://...]
Usage: spark-submit run-example [options] example-class [example args]

Options:
  --master MASTER_URL         spark://host:port, mesos://host:port, yarn,
                              k8s://https://host:port, or local (Default: local[*]).
  --deploy-mode DEPLOY_MODE   Whether to launch the driver program locally ("client") or
                              on one of the worker machines inside the cluster ("cluster")
                              (Default: client).
  --class CLASS_NAME          Your application's main class (for Java / Scala apps).
  --name NAME                 A name of your application.
  --jars JARS                 Comma-separated list of jars to include on the driver
                              and executor classpaths.
  --packages                  Comma-separated list of maven coordinates of jars to include
                              on the driver and executor classpaths. Will search the local
                              maven repo, then maven central and any additional remote
                              repositories given by --repositories. The format for the
                              coordinates should be groupId:artifactId:version.
  --exclude-packages          Comma-separated list of groupId:artifactId, to exclude while
                              resolving the dependencies provided in --packages to avoid
                              dependency conflicts.
  --repositories              Comma-separated list of additional remote repositories to
                              search for the maven coordinates given with --packages.
  --py-files PY_FILES         Comma-separated list of .zip, .egg, or .py files to place
                              on the PYTHONPATH for Python apps.
  --files FILES               Comma-separated list of files to be placed in the working
                              directory of each executor. File paths of these files
                              in executors can be accessed via SparkFiles.get(fileName).
  --archives ARCHIVES         Comma-separated list of archives to be extracted into the
                              working directory of each executor.

  --conf, -c PROP=VALUE       Arbitrary Spark configuration property.
  --properties-file FILE      Path to a file from which to load extra properties. If not
                              specified, this will look for conf/spark-defaults.conf.

  --driver-memory MEM         Memory for driver (e.g. 1000M, 2G) (Default: 1024M).
  --driver-java-options       Extra Java options to pass to the driver.
  --driver-library-path       Extra library path entries to pass to the driver.
  --driver-class-path         Extra class path entries to pass to the driver. Note that
                              jars added with --jars are automatically included in the
                              classpath.

  --executor-memory MEM       Memory per executor (e.g. 1000M, 2G) (Default: 1G).

  --proxy-user NAME           User to impersonate when submitting the application.
                              This argument does not work with --principal / --keytab.

  --help, -h                  Show this help message and exit.
  --verbose, -v               Print additional debug output.
  --version,                  Print the version of current Spark.

 Cluster deploy mode only:
  --driver-cores NUM          Number of cores used by the driver, only in cluster mode
                              (Default: 1).

 Spark standalone or Mesos with cluster deploy mode only:
  --supervise                 If given, restarts the driver on failure.

 Spark standalone, Mesos or K8s with cluster deploy mode only:
  --kill SUBMISSION_ID        If given, kills the driver specified.
  --status SUBMISSION_ID      If given, requests the status of the driver specified.

 Spark standalone, Mesos and Kubernetes only:
  --total-executor-cores NUM  Total cores for all executors.

 Spark standalone, YARN and Kubernetes only:
  --executor-cores NUM        Number of cores used by each executor. (Default: 1 in
                              YARN and K8S modes, or all available cores on the worker
                              in standalone mode).

 Spark on YARN and Kubernetes only:
  --num-executors NUM         Number of executors to launch (Default: 2).
                              If dynamic allocation is enabled, the initial number of
                              executors will be at least NUM.
  --principal PRINCIPAL       Principal to be used to login to KDC.
  --keytab KEYTAB             The full path to the file that contains the keytab for the
                              principal specified above.

 Spark on YARN only:
  --queue QUEUE_NAME          The YARN queue to submit to (Default: "default").

Reference

---

Book <Spark : The Definitive Guide> p.400 ~407, p.420