部署过程

将编译Spark算法适配包中得到的软件包移动到安装目录，如表1所示，安装根目录“/home/test/boostkit/”仅为举例，请关注安装目录相对路径。

• 本章节以机器学习算法加速库3.0.0版本为例，其余版本可参考本章节。
• 本章节使用的测试工具JAR包和脚本均为参考样例，仅供参考，用户需要根据实际情况自行开发。
• 算法包只需要在客户端安装，控制节点和计算节点不需要安装。

安装步骤如下：

1. 在客户端节点上，以大数据组件的授权用户登录服务器，将算法依赖的第三方开源加速库fastutil-8.3.1.jar安装到对应目录，软件JAR包设置文件权限为640。
   1. 进入“/home/test/boostkit/lib”的目录。

      1	cd /home/test/boostkit/lib

   2. 下载fastutil-8.3.1.jar包。

      1	wget https://repo1.maven.org/maven2/it/unimi/dsi/fastutil/8.3.1/fastutil-8.3.1.jar

   3. 更改JAR包权限。

      1	chmod 640 fastutil-8.3.1.jar

2. 将机器学习算法加速库的适配包复制到客户端的“/home/test/boostkit/lib/”目录，软件包设置文件权限为550。

   1 2 3

   cp /opt/Spark-ml-algo-lib-v3.0.0-spark3.3.1/ml-core/target/boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar /home/test/boostkit/lib cp /opt/Spark-ml-algo-lib-v3.0.0-spark3.3.1/ml-accelerator/target/boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar /home/test/boostkit/lib chmod 550 /home/test/boostkit/lib/boostkit-*

3. 将算法的测试工具（需要自行开发）打成的JAR包（如ml-test.jar）放入客户端的库算法包上层目录“/home/test/boostkit/”下。

   用户可自行开发或者参考测试工具kal-test README：https://gitee.com/kunpengcompute/Spark-ml-algo-lib/tree/master/tools/kal-test

4. 如果运行算法，任务shell脚本内容可参考以下脚本内容（yarn-client模式和yarn-cluster模式二选一即可）。
   • 将提交任务shell脚本放入客户端与测试JAR包相同目录的“/home/test/boostkit/”下，使用yarn-client模式启动Spark作业，shell脚本内容示例如下：

     1 2 3 4 5 6 7 8 9 10 11 12

     #!/bin/bash spark-submit \ --class com.bigdata.ml.RFMain \ --master yarn \ --deploy-mode client \ --driver-cores 36 \ --driver-memory 50g \ --jars "lib/fastutil-8.3.1.jar,lib/boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar,lib/boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar,lib/boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar" \ --conf "spark.executor.extraClassPath=fastutil-8.3.1.jar:boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar:boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar:boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar" \ --driver-class-path "lib/ml-test.jar:lib/fastutil-8.3.1.jar:lib/snakeyaml-1.17.jar:lib/boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar:lib/boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar:lib/boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar" ./ml-test.jar

   • 将提交任务shell脚本放入客户端与测试JAR包相同目录的“/home/test/boostkit/”下，使用yarn-cluster模式启动Spark作业，shell脚本内容示例如下。

     1 2 3 4 5 6 7 8 9 10 11 12 13

     #!/bin/bash spark-submit \ --class com.bigdata.ml.RFMain \ --master yarn \ --deploy-mode cluster \ --driver-cores 36 \ --driver-memory 50g \ --jars "lib/fastutil-8.3.1.jar,lib/boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar,lib/boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar,lib/boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar,lib/boostkit-xgboost4j-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar" \ --driver-class-path "ml-test.jar:fastutil-8.3.1.jar:snakeyaml-1.17.jar:boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar:boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar:boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar" \ --conf "spark.yarn.cluster.driver.extraClassPath=ml-test.jar:snakeyaml-1.17.jar:boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar:boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar:boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar" \ --conf "spark.executor.extraClassPath=fastutil-8.3.1.jar:boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar:boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar:boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar" \ ./ml-test.jar

     

     • 算法包运行时的日志默认回显到客户端控制台，不储存在文件中，可以通过引入自定义的log4j.properties将日志保存到本地，引入方法可参考设置运行日志保存到本地。
     • Spark单机cluster模式提交任务时，建议启用身份验证，并禁用REST API，为规避Spark漏洞。
     • 不同的大数据平台上，executorEnv.LD_LIBRARY_PATH、spark.executor.extraLibraryPath和spark.driver.extraLibraryPath配置的路径参数可能与脚本示例有所不同，请结合实际场景配置参数。

     脚本中的语句含义如表2所示。

     表2 脚本的语句含义

     语句	含义
     spark-submit	指明是以spark-submit的形式提交作业。
     --class com.bigdata.ml.RFMain	调用算法的测试程序入口函数。
     --driver-class-path "XXX"	指明需要用到的机器学习算法加速库、依赖的第三方开源加速库fastutil、算法的测试JAR包在客户端的存放地址，建议写绝对地址。 机器学习算法加速库需要用到的包：boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar、boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar、boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar、boostkit-ml-kernel-client_2.12-3.0.0-spark3.3.1.jar、fastutil-8.3.1.jar。 当提交yarn-client模式的Spark作业时需要写清楚所要引用的JAR包在当前节点的路径和JAR包的名字，多个JAR包之间使用“:”作为分隔符。 当提交yarn-cluster模式的Spark作业时不需要写清楚所要引用的JAR包在当前节点的路径，只需要写清楚要引用的JAR包的名字即可，多个JAR包之间使用“:”作为分隔符。
     --conf "spark.executor.extraClassPath=XXX"	指明需要用到的机器学习算法加速库、依赖的第三方开源加速库fastutil和算法所需的JAR包。 机器学习算法加速库需要用到的包：boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar、boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar、boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar、boostkit-ml-kernel-client_2.12-3.0.0-spark3.3.1.jar、fastutil-8.3.1.jar。
     --conf "spark.yarn.cluster.driver.extraClassPath=XXX"	指明需要用到的机器学习算法加速库、依赖的第三方开源加速库fastutil和算法所需的JAR包。 机器学习算法加速库需要用到的包：boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar、boostkit-ml-core_2.12-3.0.0-spark3.3.1.jar、boostkit-ml-kernel-2.12-3.0.0-spark3.3.1-aarch64.jar、boostkit-ml-kernel-client_2.12-3.0.0-spark3.3.1.jar、fastutil-8.3.1.jar。 只有yarn-cluster模式的Spark作业需要配置此参数，只需要写清楚所引用的JAR包的名字，多个JAR包之间使用“:”作为分隔符。
     --master yarn	指明在Yarn集群上提交Spark任务。
     --deploy-mode cluster	指明提交Spark任务的模式是cluster形式的。
     --deploy-mode client	指明提交Spark任务的模式是client形式的。
     --driver-cores	driver进程所用到的核数。
     --driver-memory	driver使用的内存，不可超过单机的总内存。
     --jars	指定算法所需JAR包，要写清楚所指定JAR包的路径和名字，多个JAR包之间使用“,”作为分隔符。
     --conf spark.executorEnv.LD_LIBRARY_PATH="XXX"	设置executor的LD_LIBRARY_PATH。
     --conf spark.executor.extraLibraryPath="XXX"	设置Executor的LibraryPath。
     --conf spark.driver.extraLibraryPath="XXX"	设置Driver的LibraryPath。
     --files	在执行Spark作业的时候将该参数中配置到的文件拷贝到Spark计算节点对应的workspace使之可以读取到libboostkit_xgboost_kernel.so、libboostkit_lightgbm_close.so。
     ./ml-test.jar	指明作为测试程序的JAR包。