开始使用适用于 Amaz EMR on 的 Spark 运营商 EKS - Amazon EMR
安装 Spark Operator运行 Spark 应用程序使用亚马逊 S3 进行存储

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

开始使用适用于 Amaz EMR on 的 Spark 运营商 EKS

本主题EKS通过部署 Spark 应用程序和计划 Spark 应用程序，帮助您开始在亚马逊上使用 Spark 运算符。

安装 Spark Operator

按照以下步骤安装 Apache Spark 版 Kubernetes Operator。

  1. 如果尚未执行此操作，请完成 在上为亚马逊EMR设置 Spark 运算符 EKS 中的步骤。

  2. 向 Amazon ECR 注册表对您的 Helm 客户端进行身份验证。在以下命令中，替换 region-id 您偏好的值 AWS 区域，以及相应的 ECR-registry-account 按地区划分的亚马逊ECR注册账户页面中该区域的值。

    aws ecr get-login-password \
--region region-id | helm registry login \
--username AWS \
--password-stdin ECR-registry-account.dkr.ecr.region-id.amazonaws.com

  3. 使用以下命令安装 Spark Operator。

    对于 Helm char --version t 参数，请使用删除emr-前缀和日期后缀的 Amazon EMR 版本标签。例如，若为 emr-6.12.0-java17-latest 发行版，则指定 6.12.0-java17。以下命令中的示例使用 emr-7.2.0-latest 发行版，因此为 Helm 图表 --version 指定了 7.2.0。

    helm install spark-operator-demo \
  oci://895885662937.dkr.ecr.region-id.amazonaws.com/spark-operator \
  --set emrContainers.awsRegion=region-id \
  --version 7.2.0 \
  --namespace spark-operator \
  --create-namespace

    默认情况下，该命令会为 Spark Operator 创建服务账户 emr-containers-sa-spark-operator。若要使用其他服务账户，请提供参数 serviceAccounts.sparkoperator.name。例如：

    --set serviceAccounts.sparkoperator.name my-service-account-for-spark-operator

    要在 Spark Operator 中使用垂直自动扩展功能，请在安装命令中添加以下行，从而允许 Operator 的 Webhook：

    --set webhook.enable=true

  4. 使用 helm list 命令验证是否安装了 Helm 图表：

    helm list --namespace spark-operator -o yaml

    helm list 命令应返回最新部署的 Helm 图表的版本信息：

    app_version: v1beta2-1.3.8-3.1.1
chart: spark-operator-7.2.0
name: spark-operator-demo
namespace: spark-operator
revision: "1"
status: deployed
updated: 2023-03-14 18:20:02.721638196 +0000 UTC

  5. 使用所需的任何其他选项完成安装。有关更多信息，请参阅中的spark-on-k8s-operator文档。 GitHub

运行 Spark 应用程序

亚马逊 EMR 6.10.0 或更高版本支持 Spark 运算符。安装 Spark Operator 时，默认会创建服务账户 emr-containers-sa-spark 来运行 Spark 应用程序。使用以下步骤在亚马逊 EMR EKS 6.10.0 或更高版本上使用 Spark 操作员运行 Spark 应用程序。

  1. 在使用 Spark Operator 运行 Spark 应用程序之前，请先完成 在上为亚马逊EMR设置 Spark 运算符 EKS 和 安装 Spark Operator 中的步骤。

  2. 使用以下示例内容创建 SparkApplication 定义文件 spark-pi.yaml：

    apiVersion: "sparkoperator.k8s.io/v1beta2"
kind: SparkApplication
metadata:
  name: spark-pi
  namespace: spark-operator
spec:
  type: Scala
  mode: cluster
  image: "895885662937.dkr.ecr.us-west-2.amazonaws.com/spark/emr-6.10.0:latest"
  imagePullPolicy: Always
  mainClass: org.apache.spark.examples.SparkPi
  mainApplicationFile: "local:///usr/lib/spark/examples/jars/spark-examples.jar"
  sparkVersion: "3.3.1"
  restartPolicy:
    type: Never
  volumes:
    - name: "test-volume"
      hostPath:
        path: "/tmp"
        type: Directory
  driver:
    cores: 1
    coreLimit: "1200m"
    memory: "512m"
    labels:
      version: 3.3.1
    serviceAccount: emr-containers-sa-spark
    volumeMounts:
      - name: "test-volume"
        mountPath: "/tmp"
  executor:
    cores: 1
    instances: 1
    memory: "512m"
    labels:
      version: 3.3.1
    volumeMounts:
      - name: "test-volume"
        mountPath: "/tmp"

  3. 现在，使用以下命令提交 Spark 应用程序。此操作还会创建一个名为 spark-pi 的 SparkApplication 对象：

    kubectl apply -f spark-pi.yaml

  4. 使用以下命令检查 SparkApplication 对象的事件：

    kubectl describe sparkapplication spark-pi --namespace spark-operator

有关通过 Spark 运算符向 Spark 提交应用程序的更多信息，请参阅spark-on-k8s-operator文档SparkApplication中的使用 GitHub。

使用亚马逊 S3 进行存储

要使用 Amazon S3 作为文件存储选项，请在YAML文件中添加以下配置。

hadoopConf:
# EMRFS filesystem
  fs.s3.customAWSCredentialsProvider: com.amazonaws.auth.WebIdentityTokenCredentialsProvider
  fs.s3.impl: com.amazon.ws.emr.hadoop.fs.EmrFileSystem
  fs.AbstractFileSystem.s3.impl: org.apache.hadoop.fs.s3.EMRFSDelegate
  fs.s3.buffer.dir: /mnt/s3
  fs.s3.getObject.initialSocketTimeoutMilliseconds: "2000"
  mapreduce.fileoutputcommitter.algorithm.version.emr_internal_use_only.EmrFileSystem: "2"
  mapreduce.fileoutputcommitter.cleanup-failures.ignored.emr_internal_use_only.EmrFileSystem: "true"
sparkConf:
 # Required for EMR Runtime
 spark.driver.extraClassPath: /usr/lib/hadoop-lzo/lib/*:/usr/lib/hadoop/hadoop-aws.jar:/usr/share/aws/aws-java-sdk/*:/usr/share/aws/emr/emrfs/conf:/usr/share/aws/emr/emrfs/lib/*:/usr/share/aws/emr/emrfs/auxlib/*:/usr/share/aws/emr/security/conf:/usr/share/aws/emr/security/lib/*:/usr/share/aws/hmclient/lib/aws-glue-datacatalog-spark-client.jar:/usr/share/java/Hive-JSON-Serde/hive-openx-serde.jar:/usr/share/aws/sagemaker-spark-sdk/lib/sagemaker-spark-sdk.jar:/home/hadoop/extrajars/*
 spark.driver.extraLibraryPath: /usr/lib/hadoop/lib/native:/usr/lib/hadoop-lzo/lib/native:/docker/usr/lib/hadoop/lib/native:/docker/usr/lib/hadoop-lzo/lib/native
 spark.executor.extraClassPath: /usr/lib/hadoop-lzo/lib/*:/usr/lib/hadoop/hadoop-aws.jar:/usr/share/aws/aws-java-sdk/*:/usr/share/aws/emr/emrfs/conf:/usr/share/aws/emr/emrfs/lib/*:/usr/share/aws/emr/emrfs/auxlib/*:/usr/share/aws/emr/security/conf:/usr/share/aws/emr/security/lib/*:/usr/share/aws/hmclient/lib/aws-glue-datacatalog-spark-client.jar:/usr/share/java/Hive-JSON-Serde/hive-openx-serde.jar:/usr/share/aws/sagemaker-spark-sdk/lib/sagemaker-spark-sdk.jar:/home/hadoop/extrajars/*
 spark.executor.extraLibraryPath: /usr/lib/hadoop/lib/native:/usr/lib/hadoop-lzo/lib/native:/docker/usr/lib/hadoop/lib/native:/docker/usr/lib/hadoop-lzo/lib/native

如果您使用的是 Amazon 7.2.0 及更高EMR版本，则默认包含配置。在这种情况下，您可以将文件路径设置为，s3://<bucket_name>/<file_path>而不是local://<file_path>在 Spark 应用程序YAML文件中。

然后照常提交 Spark 应用程序。