如何从 IntelliJ IDEA 向远程 Spark 集群提交代码

Question

我有两个集群，一个在本地虚拟机中，另一个在远程云中。两个集群都处于独立模式。

我的环境：

Scala: 2.10.4
Spark: 1.5.1
JDK:   1.8.40
OS:    CentOS Linux release 7.1.1503 (Core)

本地集群：

火花大师：spark://local1:7077

远程集群：

火花大师：spark://remote1:7077

我想完成这个：

在本地（在我的笔记本电脑上）在 IntelliJ IDEA 中编写代码（只是简单的字数），并将 Spark Master URL 设置为 spark://local1:7077 和 spark://remote1:7077，然后在 IntelliJ IDEA 中运行我的代码。也就是说，我不想使用spark-submit 提交作业。

但我遇到了一些问题：

当我使用本地集群时，一切都很顺利。在 IntelliJ IDEA 中运行代码或使用 spark-submit 可以将作业提交到集群并完成作业。

但是当我使用远程集群时，我得到了一个警告日志：

TaskSchedulerImpl：初始作业没有接受任何资源；检查您的集群 UI 以确保工作人员已注册并拥有足够的资源

这是足够的资源而不是足够的内存！

并且此日志继续打印，没有进一步的操作。 spark-submit 和 IntelliJ IDEA 中的运行代码结果相同。

我想知道：

• 是否可以将代码从 IntelliJ IDEA 提交到远程集群？
• 如果没问题，是否需要配置？
• 可能导致我的问题的原因有哪些？
• 我该如何处理这个问题？

非常感谢！

更新

有一个类似的问题here，但我认为我的场景不同。当我在 IntelliJ IDEA 中运行我的代码并将Spark Master 设置为本地虚拟机集群时，它可以工作。但我收到了Initial job has not accepted any resources;... 警告。

我想知道安全策略或烟花是否会导致这种情况？

Answer 1

以编程方式提交代码（例如通过SparkSubmit）非常棘手。至少有各种环境设置和注意事项 - 由 spark-submit 脚本处理 - 在 scala 程序中很难复制。我仍然不确定如何实现它：在 spark 开发者社区中已经有许多关于这个主题的长期运行的线程。

我在这里的回答是关于你帖子的一部分：特别是

TaskSchedulerImpl：初始作业没有接受任何资源；查看 您的集群 UI 以确保工作人员已注册并拥有 资源充足

原因通常是您的作业请求的内存和/或内核数与集群上可用的内存不匹配。可能在从 IJ 提交时

$SPARK_HOME/conf/spark-defaults.conf

未正确匹配现有集群上您的任务所需的参数。您可能需要更新：

spark.driver.memory   4g
spark.executor.memory   8g
spark.executor.cores  8

您可以在端口 8080 上查看 spark ui，以验证您请求的参数是否在集群上实际可用。