Spark HA高可用部署、基于文件系统单点恢复、基于zookeeper的Standby Master、如何恢复到上一次活着master挂掉之前的状态 03

﹏ヽ暗。殇╰゛Y 2022-01-25 18:57 96阅读 0赞

# 1. Spark HA高可用部署 #

Spark Standalone集群时Master-Slaves架构的集群模式，和大部分的Master-Slaves结果集群一样，存在着Master单点故障的问题。如何解决这个单点故障的问题，Spark提供了两种方案：

## 1.1 基于文件系统的单点恢复（Single-Node Recovery with Local File System） ##

*  **主要用于开发或测试环境。**
 *  当spark提供目录保存\*\*spark Application和worker的注册信息，\*\*并将它们的恢复状态写入该目录中，这时，一旦Master发生故障，就可以通过重新启动Master进程（sbin/start-master.sh），恢复已运行的spark Application和worker的注册信息。

## 1.2 基于ZK的Standby Masters(Standby Masters with Zookeeper) ##

*  **用于生成模式，**
 *  基本原理是通过zk来选举一个Master，其他Master处于Standby状态。
 *  将spark集群连接到同一个zk实例并启动多个Master，利用zk提供的选举和状态保存功能，可以使一个Master被选举成活着的Master，而其他Master处于Standby状态。
 *  如果现任Master死去，另一个Master会通过选举产生，并恢复到旧的Master状态，然后恢复调度。
 *  整个恢复过程可能要1-2分钟。

# 2. 基于Zookeeper的Spark HA高可用集群部署 #

该HA方案使用起来简单，首先需要搭建一个Zookeeper集群，然后启动Zookeeper集群，最后再不同阶段上启动Master。具体配置如下：

*  `vim spark-env.sh`  
    注释掉`export SPARK_MASTER_HOST=node01`
 *  在spark-env.sh添加Spark\_DAEMON\_JAVA\_OPTS，内容如下：

export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER-Dspark.deploy.zookeeper.url=node01:2181,node02:2181,node03:2181-Dspark.deploy.zookeeper.dir=/spark"

*  **参数说明**
    
     *  spark.deploy.recoveryMode：恢复模式（Master重新启动的模式）  
        有三种：(1)ZooKeeper (2) FileSystem (3)NONE
     *  spark.deploy.zookeeper.url：ZooKeeper的Server地址
     *  spark.deploy.zookeeper.dir：保存集群元数据信息的文件、目录。  
        包括Worker，Driver和Application。
 *  注意：  
    在普通模式下启动spark集群，[只需要在主机上面执行start-all.sh][start-all.sh] 就可以了。  
    在高可用模式下启动spark集群，先需要在任意一台节点上启动start-all.sh命令。然后在另外一台节点上单独启动master。[命令start-master.sh][start-master.sh]。

# 3. 如何恢复上一次活着Master挂掉之前的状态&在Master的恢复阶段对任务的影响 #

（1）如何恢复到上一次活着master挂掉之前的状态：

*  在高可用模式下，整个spark集群就有很多个master，其中只有一个master被zk选举成活着的master，其他的多个master都处于standby，同时把整个spark集群的元数据信息通过zk中节点进行保存。
 *  后期如果活着的master挂掉。首先zk会感知到活着的master挂掉，下面开始在多个处于standby中的master进行选举，再次产生一个活着的master，这个活着的master会读取保存在zk节点中的spark集群元数据信息，恢复到上一次master的状态。
 *  整个过程在恢复的时候经历过了很多个不同的阶段，每个阶段都需要一定时间，最终恢复到上个活着的master的转态，整个恢复过程一般需要1-2分钟。  
    （2）在master的恢复阶段对任务的影响
 *  针对于正在运行的任务，由于它已经分配到了资源，它是不受任何影响.
 *  受影响的就是在当前这个挂掉的阶段，后面提交的新的任务，由于没有活着的master分配资源，该任务是无法运行。

[start-all.sh]: http://xn--start-all-pb6n0qg77ck3jxu3biepi08j6je3y7emsb.sh
[start-master.sh]: http://xn--start-master-376s304d.sh