为Spark Application指定不同的JDK版本

随着企业内部业务系统越来越多，基于JVM的服务，通常情况线上环境可能会有多套JDK跑不同的服务。大家都知道基于高版本的Java规范编写的服务跑在低版本的JVM上会出现：`java.lang.UnsupportedClassVersionError`的异常。

Spark 2.2开始移除了对Java 7的支持，大多数情况下，我们的Spark Application是和Hadoop系统公用的JDK，如果Hadoop依赖的JDK版本是7，那我们基于JDK 8编写的Application跑在上面就会出问题。

该文主要介绍在不同的场景下，如何为Spark Application指定不同的JDK版本。

## 集群已部署了指定的JDK版本

假设集群中每个节点JDK的部署路径为：/usr/java/jdk1.8

Spark提供了spark.executorEnv.[EnvironmentVariableName]配置，可以用来给Executor进程添加环境变量，如果Spark Application使用的集群管理器是Standalone，只需要通过spark.executorEnv.JAVA_HOME制定Executor端的jdk路径即可，如下：

```
$SPARK_HOME/bin/spark-submit \
    --conf "spark.executorEnv.JAVA_HOME=/usr/java/jdk1.8" \
    ...
```

在YARN模式下，还需要为Application Master指定不同的JAVA_HOME环境变量，如下：

```
$SPARK_HOME/bin/spark-submit \
    --conf "spark.executorEnv.JAVA_HOME=/usr/java/jdk1.8" \
    --conf "spark.yarn.appMasterEnv.JAVA_HOME=/usr/java/jdk1.8" \
    ...
```

以cluster的方式部署在YARN上的时候，`spark.yarn.appMasterEnv.JAVA_HOME`相当于为Spark Application的Driver设置了特定的JDK版本；

以client的模式部署时，`spark.yarn.appMasterEnv.JAVA_HOME`仅仅是为Executor Launcher设置了特定的JDK版本。

Driver端的JDK版本和spark-submit所在的机器中的SPARK_HOME环境变量一致，直接在spark-env.sh中指定即可。

## 集群缺失特定的JDK版本，且对集群无管理权限

某些特殊的场景下，我们对集群没有管理权限，只能通过YARN提交Application，并且集群里没有部署我们需要的JDK版本，这种情形就需要将JDK的安装包也一并提交了。

这里要求我们的JDK安装包必须为gz格式的，和你代码打包后的jar包放在同一目录下，假设我们下载的JDK的安装包为：jdk-8u141-linux-x64.tar.gz。

关键配置如下：

```
$SPARK_HOME/bin/spark-submit \
    --conf "spark.yarn.dist.archives=jdk-8u141-linux-x64.tar.gz" \
    --conf "spark.executorEnv.JAVA_HOME=./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141" \
    --conf "spark.yarn.appMasterEnv.JAVA_HOME=./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141" \
    ...
```

我们可以通过指定`spark.yarn.dist.archives`配置，将JDK的安装包分发到所有Executor的工作目录下（包括Application Master的Executor），另外tar.gz的压缩包也会被自动解压，假设`jdk-8u141-linux-x64.tar.gz`解压后的目录为`jdk1.8.0_141`，那么我们特定的JDK的目录就是：`./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141`，不同的JDK版本以此类推即可。

> 注意：由于Spark Standalone没有提供分发JDK安装包并自动解压的功能，所以，这种方式只能用在YARN下。

## 验证

通过`ps -ef` grep查询相关进程信息，可以看到java的启动路径为我们特定JDK目录的java表示配置成功。

如下是我在YARN模式下，单独指定JDK版本的Executor的进程启动信息：

```
stan      590751 590745  0 20:45 ?        00:00:14 ./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141/bin/java -server -Xmx512m -XX:+UseG1GC -XX:+UnlockDiagnosticVMOptions -XX:+G1SummarizeConcMark -XX:InitiatingHeapOccupancyPercent=35 -XX:PermSize=256M -XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:./gc.log -verbose:gc -Djava.io.tmpdir=/home/stan/tmp/hadoop-stan/nm-local-dir/usercache/stan/appcache/application_1508397483453_0095/container_1508397483453_0095_01_000004/tmp -Dspark.driver.port=52986 -Dspark.yarn.app.container.log.dir=/home/stan/DevTools/hadoop-2.6.4/logs/userlogs/application_1508397483453_0095/container_1508397483453_0095_01_000004 -XX:OnOutOfMemoryError=kill %p org.apache.spark.executor.CoarseGrainedExecutorBackend --driver-url spark://CoarseGrainedScheduler@10.0.0.110:52986 --executor-id 3 --hostname stan --cores 1 --app-id application_1508397483453_0095 --user-class-path file:/home/stan/tmp/hadoop-stan/nm-local-dir/usercache/stan/appcache/application_1508397483453_0095/container_1508397483453_0095_01_000004/__app__.jar
```

为Spark Application指定不同的JDK版本

请我喝咖啡