Question

我试图在EMR中同时运行2个步骤。但是，我总是使第一步运行，第二步未完成。

我的Yarn配置的一部分如下：

{
    "Classification": "capacity-scheduler",
    "Properties": {
    "yarn.scheduler.capacity.resource-calculator": "org.apache.hadoop.yarn.util.resource.DominantResourceCalculator",
    "yarn.scheduler.capacity.maximum-am-resource-percent": "0.5"
    }
  }

当我在本地Mac上运行时，我可以在Yarn上以类似配置运行第二个应用程序，其中的更改实际上是火花提交资源请求，以匹配所需的群集容量和性能。

换句话说，我的纱线设置为运行多个应用程序。

因此，在我深入研究它之前，我想知道实际上是否可以同时执行该步骤或仅连续执行该步骤？

还有其他提示或特定要同时运行的内容吗？

关于每个作业请求，我的集群容量过大。因此，我不明白为什么它不能同时运行。

Answer 1

是否可以使步骤同时运行或仅连续运行？
- 由AWS支持人员确认，我们不能并行（并行）运行多个步骤，这些步骤是串行的，因此您所看到的（即处于待处理状态的第二份工作）是可以预期的。
是否有任何提示或特定内容可同时运行？
- 您可以简单地将两个spark-submit都放入bash脚本中并运行bash脚本，但是您可以在AWS Web控制台（已经很慢的imo）上放一些直接调试信息，您可以在上看到这些调试信息。 spark-history server

On your local mac, you are able to run multiple YARN application in parallel because you are submitting the applications to yarn directly, whereas in EMR the yarn/spark applications are submitted through AWS's internal `command-runner.jar`, it does a bunch of other logging/bootstrapping etc to be able to see the `emr step` info on the web console.

Answer 2

AWS EMR Yarn中有两种运行应用程序的模式：

客户
集群

如果使用客户端模式，则在给定时间只有一步处于运行状态。但是，有一个选项可以让您同时运行多于1个步骤。

尝试以打击模式提交您的步骤： spark-submit --master yarn --deploy-mode cluster --executor-memory 1G --num-executors 2 --driver-memory 1g --executor-cores 2 --conf spark.yarn.submit.waitAppCompletion = false-类WordCount.word.App /home/hadoop/word.jar

不要让AWS EMR定义内存分配，而是尝试定义您的分配。请参阅链接：http://site.clairvoyantsoft.com/understanding-resource-allocation-configurations-spark-application/
spark.yarn.submit.waitAppCompletion = false：在YARN群集模式下，控制客户端是否等待退出直到应用程序完成。如果设置为true，则客户端进程将保持活动状态，报告应用程序的状态。否则，客户端进程将在提交后退出。

希望这对您有所帮助。

Answer 3

AWS现在允许您在更高版本的EMR中同时运行步骤。 https://aws.amazon.com/about-aws/whats-new/2019/11/amazon-emr-now-allows-you-to-run-multiple-steps-in-parallel-cancel-running-steps-and-integrate-with-aws-step-functions/

执行此操作时要注意的一件事是照顾资源，因为您的应用程序将争夺可用资源，并且其中一个应用程序可能最终处于接受状态，直到另一个应用程序完成后才开始运行，从而破坏了目的。

Answer 4

您始终可以将步骤放在后台。如果您处理日志记录和竞争条件，应该不会有问题。

step-job.sh

#!/bin/bash

function main(){
    do_this
    do_that
}

if [[ "$1" == "1" ]]; then
    main
else
    /bin/bash "$0" 1 $@ &
fi

Answer 5

看起来AWS终于在EMR 5.28.0中实现了此功能！

该参数在控制台向导中称为“并发”，在API中称为StepConcurrencyLevel：

指定可以同时执行的步骤数。默认值为1。最大值为256。

如何同时运行2个EMR Spark步骤？

5 个答案: