Spark Configuration

SparkCore Config 源码

// 定义了 Spark Core 的配置属性
org.apache.spark.internal.config

参考

• Spark Configuration

指定 Spark Configuration

Spark Configuration Properties 可以在三个地方进行配置，优先级依次增加。

spark-defaults.conf

在配置文件中指定全局的参数，优先级最低

$ vim SPARK_HOME/conf/spark-defaults.conf
spark.driver.extraLibraryPath /usr/hdp/current/hadoop-client/lib/native:/usr/hdp/current/hadoop-client/lib/native/Linux-amd64-64
spark.eventLog.dir hdfs:///spark2-history/
spark.eventLog.enabled true

spark-submit

在执行 spark-submit 的时候为某个 spark app 指定参数

$ spark-submit \
    --class com.xxxx.xxx.xxxxxx \
    --master yarn \
    --deploy-mode client \
    --conf "spark.eventLog.enabled=false" \
    --conf "spark.executor.extraJavaOptions=-XX:+PrintGCDetails -XX:+PrintGCTimeStamps" \
    app.jar

new SparkConf

在写代码的时候指定，优先级最高，但需要注意的是和 deploy 相关的参数在这里指定是无效的，具体原因在下面说。

val conf = new SparkConf()
conf.set("spark.speculation", "true")
conf.set("spark.speculation.interval", "100ms")
conf.set("spark.speculation.multiplier", "1.5")
val sparkSession = SparkSession.builder.config(conf).getOrCreate

2 Kind of Spark Properties

Spark Properties 主要分为两种

1. 一种和 deploy 相关，比如spark.driver.memory、spark.executor.instances，像这种参数在 runtime(写在程序里面) 的时候已经无效了，因为要先分配总的资源(资源限定，已经分给你的资源具体怎么用，runtime 决定)，再启动程序。
2. 另一种主要是控制 runtime 行为，如spark.task.maxFailures，这种就可以在所有位置指定，只不过在优先级低的位置指定会被优先级高的覆盖掉(如果你在多个位置指定过相同 property 的话)。

View Spark Properties

可以在http://<driver>:4040的Environment页查看，从这里可以确定之前指定的参数是否都生效了。

Common configurations

# Number of cores to use for the driver process, only in cluster mode.
spark.driver.cores	1	
	

Spark Memory Management

一个 Spark 任务提交后，申请的总内存大小为(spark.driver.memory + spark.driver.memoryOverhead) + spark.executor.instances * (spark.executor.memory + spark.executor.memoryOverhead)，其中：

• spark.driver.memory <=> --driver-memory，默认1G
• spark.driver.memoryOverhead，默认spark.driver.memory * MEMORY_OVERHEAD_FACTOR, with minimum of 384，MEMORY_OVERHEAD_FACTOR = 0.1 在 Spark 代码中写死了
• spark.executor.instances <=> --num-executors，默认2，
• spark.executor.memory <=> --executor-memory， 默认1G，
• spark.executor.memoryOverhead，默认spark.executor.memory * MEMORY_OVERHEAD_FACTOR, with minimum of 384MiB

当执行spark-submit提交到 YARN 时，Executor 运行在 YARN Container，可申请的最大内存受限于yarn.scheduler.maximum-allocation-mb

Spark Streaming Kafka

# Spark Streaming Consumer 每个分区每秒最大消费记录条数
# Max Throughput of a Batch = maxRatePerPartition * batchWindowTime(second) * topicPartitions
spark.streaming.kafka.maxRatePerPartition 1000