spark 在 yarn cluster 模式下的 driver 节点,是不是也没有这个 Java 沙箱限制?
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
在Spark中,当以yarn cluster
模式运行时,Driver程序是运行在YARN集群的一个容器内,而非客户端机器上。这意味着Driver的资源使用(包括内存、CPU等)将由YARN进行管理和限制,而不是受客户端Java沙箱的约束。因此,确实可以认为,在YARN Cluster模式下,Spark作业的Driver节点避免了直接受到客户端Java沙箱的限制,因为它是在集群节点上作为一个独立的YARN应用实例运行的。
不过,尽管不受Java沙箱直接限制,Driver在YARN容器中仍然需要遵循YARN分配给它的资源限制,包括内存大小等,这些配置可以通过YARN的配置参数来调整。如果Driver申请的资源超过YARN分配的限制,任务仍然可能因为资源不足而失败。
总结来说,Spark在YARN Cluster模式下运行时,Driver节点不直接受限于客户端Java沙箱,但需遵守YARN容器的资源管理规则。