spark-submit时上传spark依赖到hdfs时间较长问题解决

版权声明：*************本文为博主原创文章，转载请注明出处************* https://blog.csdn.net/oDaiLiDong/article/details/85214299

spark-submit时，发现上传spark依赖到hdfs 时间长达数分钟，现象如下方截图：

这个日志之后在上传程序依赖的jar，根据不同网络负荷，需要耗时数十秒甚至数分钟，导致任务提交速度超级慢，在官网上查到出现这种现象的原因：https://spark.apache.org/docs/2.1.1/running-on-yarn.html

翻译过来就是： 要想在yarn spark的runtime jars，需要指定spark.yarn.archive 或者 spark.yarn.jars。如果都这两个参数都没有指定，spark就会把$SPARK_HOME/jars/所有的jar上传到分布式缓存中

下面是解决方案：

1. 将$SPARK_HOME/jars/* 下spark运行依赖的jar上传到hdfs上
   hdfs dfs -mkdir /tmp/spark/lib_jars
   hadoop fs -put $SPARK_HOME/jars/* hdfs:///tmp/spark/lib_jars
2.  $SPARK_HOME/conf/spark-defaults.conf， 增加 如下信息：
    spark.yarn.jars hdfs:///tmp/spark/lib_jars/*.jar