鲲鹏社区首页
中文
注册
开发者
支持
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
提交
在线提单
论坛求助

升级算法加速库

  1. 在客户端节点上，以大数据组件的授权用户登录服务器，删除客户端“/home/test/boostkit/lib/”目录下旧版本的机器学习算法加速库JAR包。
    1
2
    rm -f /home/test/boostkit/lib/boostkit-*
rm -f /home/test/boostkit/lib/libboostkit-*
  2. 参考编译代码获取机器学习算法加速库适配包。
  3. 参考获取机器学习算法加速库的核心JAR包获取机器学习算法加速库的核心JAR包。
  4. 将2获得的机器学习算法加速库适配包复制到“/home/test/boostkit/lib/”目录下。
    1
2
3
    cp /opt/Spark-ml-algo-lib-3.0.0-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-3.0.0-spark3.3.1/ml-accelerator/target/boostkit-ml-acc_2.12-3.0.0-spark3.3.1.jar /home/test/boostkit/lib
cp /opt/boostkit-ml-kernel_2.12-3.0.0-spark3.3.1-aarch64.jar /home/test/boostkit/lib
  5. 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1所示。

      表1 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。
父主题： 特性指南