本文共 1577 字，大约阅读时间需要 5 分钟。
在Spark Standalone集群中，资源调度主要由Master节点负责。然而，Spark也支持将资源调度交给YARN，这种方式的优势在于YARN支持动态资源调度。与YARN相比，Standalone模式的资源调度较为简单，仅支持固定资源分配策略。具体而言，每个任务预先分配固定数量的core，各个Job按顺序依次分配资源。在资源不足的情况下，任务会被排队等待。这种调度方式更适合单用户场景，但在多用户环境下，由于用户程序的差异较大，可能导致某些用户总是无法获得资源。而YARN的动态资源分配策略能够更好地解决这一问题。
除了为Spark提供调度服务，YARN作为通用的资源调度平台，还可以为其他系统（如Hadoop MapReduce、Hive）提供调度支持。这使得YARN能够统一管理集群上的所有计算负载，避免资源分配的混乱无序。
在Spark Standalone集群部署完成后，配置Spark支持YARN相对简单，主要包含以下两个步骤：
第一步，在conf/spark-env.sh文件中添加配置HADOOP_CONF_DIR，并指向Hadoop集群的配置文件目录，例如：
export HADOOP_CONF_DIR=/home/software/soft/hadoop-2.7.0/etc/hadoop
这一配置需要在所有节点上执行。
第二步，重启集群。
值得注意的是，即便没有部署Hadoop集群，Spark程序仍然可以访问HDFS文件。为此，只需添加相应的依赖jar文件，并在Spark程序中以hdfs://开头的完整路径访问HDFS文件即可。然而，这种方式存在一个明显缺点：HDFS与Spark节点是分离的，数据移动成本较高，大多数情况下远高于计算成本。因此，这种访问方式仅适用于小数据量的计算场景。
通过上述部署，Spark可以方便地访问HDFS文件，并在计算过程中尽量将计算任务分布在数据所在的节点上，从而减少因数据移动导致的网络IO开销。
Spark程序的运行调度方式取决于提交时的参数设置。以计算圆周率Pi的示例程序为例，提交方式如下：
$ ./bin/spark-submit --class org.apache.spark.examples.SparkPi \ --master spark://: \ lib/spark-examples*.jar \ 10
在这个命令中，--master参数决定了调度方式：如果参数值以spark://开头，Spark将使用自己的Master节点进行调度；如果参数值为yarn-client或yarn-cluster，则使用YARN进行调度，而YARN的地址信息将从Hadoop配置目录下的配置文件中获取。
YARN调度有两种模式：
yarn-cluster模式：YARN会在集群的某个节点上启动一个Master进程，Spark Driver程序运行在这个Master进程内部。客户端完成提交后可以立即退出，无需等待Spark程序运行完成。这是生产环境中非常适用的运行方式。
yarn-client模式：与yarn-cluster模式类似，但Driver程序不会运行在Master进程内部，而是在本地运行。通过Master节点申请资源，直到程序运行完成。这种模式适合需要交互的计算场景。
在实际应用中，yarn-cluster模式通常是更好的选择，因为它在集群内部运行Driver进程，基本上不占用本地资源。而yarn-client模式则会对本地资源造成一定压力。因此，建议在没有交互需求的情况下优先使用yarn-cluster模式。
转载地址：http://plmc.baihongyu.com/