两种 java 向 yarn 提交 spark 任务命令的区别 _spark

核心代码private void pi() {log.info("----- start pi -----");final String JAVAHome = System.getenv("JAVA_HOME");final String hadoopConfDir = System.getenv("HADOOP_CONF_DIR");log.info("javaHome: " + javaHome);log.info("hadoopConfDir: " + hadoopConfDir);log.info("sparkHome: " + sparkHome);log.info("mode: " + deployMode);log.info("AppResource: " + sparkJar);log.info("mainClass: " + mainClass);final String[] args = new String[]{ "--jar", sparkJar, "--class", mainClass, "--arg", "10"};String appName = "spark-yarn";System.setProperty("SPARK_YARN_MODE", "true");SparkConf sparkConf = new SparkConf();sparkConf.setSparkHome(sparkHome);sparkConf.setMaster("yarn");sparkConf.setAppName(appName);sparkConf.set("spark.submit.deployMode", "cluster");String jarDir = "hdfs://sh01:9000/user/deployer/spark-jars/*.jar";log.info("jarDir: " + jarDir);sparkConf.set("spark.yarn.jars", jarDir);if (enableKerberos) {log.info("---------------- enable kerberos ------------------");sparkConf.set("spark.hadoop.hadoop.security.authentication", "kerberos");sparkConf.set("spark.hadoop.hadoop.security.authorization", "true");sparkConf.set("spark.hadoop.dfs.namenode.kerberos.principal", "hdfs/_HOST@KPP.COM");sparkConf.set("spark.hadoop.yarn.resourcemanager.principal", "yarn/_HOST@KPP.COM");}ClientArguments clientArguments = new ClientArguments(args);Client client = new Client(clientArguments, sparkConf);//client.run();ApplicationId applicationId = client.submitApplication();log.info("submit task [{}] and application id [{}] ", appName, applicationId.getId());YarnAppReport yarnAppReport = client.monitorApplication(applicationId, false, true, 1000);log.info("task [{}] process result [{}]", appName, yarnAppReport.finalState());if (yarnAppReport.finalState().equals(FinalApplicationStatus.SUCCEEDED)) {log.info("spark任务执行成功");} else {log.info("spark任务执行失败");}log.info("----- finish pi -----");}两种提交方式有什么区别client.run() 是同步的， spark 任务结束前该行一下的代码不会执行。该方法的无返回值，也就是说拿不到 spark 任务执行的任何信息。
client.submitApplication() 是异步的，提交任务后立即执行该行下的代码。但是该方法会返回 ApplicationId ，这个就很有用啦。接下来可以调用 monitorApplication 方法让 java 代码 block 住，并且拿到 spark 任务执行的一些信息。
YarnAppReport yarnAppReport = client.monitorApplication(applicationId, false, true, 1000);public YarnAppReport monitorApplication(final ApplicationId appId, final boolean returnOnRunning, final boolean logApplicationReport, final long interval) { // 代码就不贴了，有需要自己去看喽。}

applicationId 就不用说啦，肯定是spark job 的 id 。
returnOnRunningtrue ：当 spark job 处于 RUNNING 状态时， monitorApplication 方法结束 block ，返回 yarnAppReport 。false : monitorApplication 等待 spark job 执行完毕结束 block ，返回 yarnAppReport 。当然如果 spark job 里面有 bug ，那该啥时返回就啥时返回，具体的可以看下源代码，只需要看清楚几个关键环节就行。logApplicationReport 控制是否在输出 spark job 执行时的日志。interval 间隔多尝试间去轮询一次 spark job 。源代码里面写的是 while(true) 循环。YarnAppReport 中持有 spark 任务的状态以及其他信息，具体内容自己可以去里面搜。很显然， client.submitApplication() 更有操作空间。

【两种 java 向 yarn 提交 spark 任务命令的区别】