Yarn运行

优质

小牛编辑

136浏览

2023-12-01

Angel On Yarn运行

由于业界很多公司的大数据平台，都是基于Yarn搭建，所以Angel目前的分布式运行是基于Yarn，方便用户复用现网环境，而无需任何修改。

鉴于Yarn的搭建步骤和机器要求，不建议在小机器上，进行尝试该运行。如果一定要运行，最少需要6G的内存（1ps+1worker+1am），最好有10G的内存，比较宽裕。

1. 运行环境准备

Angel的分布式Yarn运行模式需要的环境，其实也非常简单：

一个可以正常运行Hadoop集群，包括Yarn和HDFS
- Hadoop >= 2.2.0
一个用于提交Angel任务的客户端Gateway
- Java >= 1.8
- 可以正常提交Hadoop的MR作业
- Angel发布包：angel-\-bin.zip

2. Angel任务运行示例

以最简单的LogisticRegression为例：

上传数据（如果用户有自己的数据可以略过本步，但是要确认数据格式一致）
- 找到发布包的data目录下的LogisticRegression测试数据
- 在hdfs上新建lr训练数据目录
```
  hadoop fs -mkdir hdfs://my-nn:54310/test/lr_data
```
- 将数据文件上传到指定目录下
```
  hadoop fs -put data/a9a/a9a_123d_train.libsvm hdfs://my-nn:54310/test/lr_data
```

提交任务

在发布包的bin目录下有Angel的提交脚本angel-submit，使用它将任务提交到Hadoop集群

请务必注意提交集群中是否有充足的资源，如果按照下面的参数配置，启动任务至少需要6GB内存和3个vcore

  ./angel-submit \
          --angel.app.submit.class com.tencent.angel.ml.core.graphsubmit.GraphRunner \
      --angel.train.data.path "hdfs://my-nn:54310/test/lr_data" \
      --angel.log.path "hdfs://my-nn:54310/test/log" \
      --angel.save.model.path "hdfs://my-nn:54310/test/model" \
      --action.type train \
      --ml.model.class.name com.tencent.angel.ml.classification.LogisticRegression \
      --ml.epoch.num 10 \
      --ml.data.type libsvm \
      --ml.feature.index.range 1024 \
      --angel.job.name LR_test \
      --angel.am.memory.gb 2 \
      --angel.worker.memory.gb 2 \
      --angel.ps.memory.gb 2

参数含义如下

| 名称    | 含义  |
| --- | --- |
| action.type  | 计算类型，目前支持"train"和"predict"两种，分别表示模型训练和预测    |
| angel.app.submit.class | 算法运行类|
| angel.train.data.path | 训练数据输入路径 |
| angel.log.path | 算法指标日志输出路径 |
| angel.save.model.path | 模型保存路径 |
| ml.model.class.name | 模型类型 |
| ml.epoch.num | epoch 个数 |
| ml.data.type | 训练数据格式，默认支持两种格式libsvm和dummy |
| ml.feature.index.range | 模型index范围 |
| angel.job.name | 任务名|
| angel.am.memory.gb | Master所需内存大小|
| angel.worker.memory.gb | 一个Worker所需内存大小|
| angel.ps.memory.gb | 一个PS所需内存大小|


为了方便用户，Ange设置有许多参数可供调整，可以参考

* 系统参数： [主要系统配置](config_details.md)
* 算法参数： [Logistic Regression](../algo/lr_on_angel.md)

观察进度

任务提交之后，会在控制台打印出任务运行信息，如URL和迭代进度等，如下图所示：

![][1]

打开URL信息就可以看到Angel任务每一个组件的详细运行信息和算法相关日志：

![][2]

目前的监控页面有点简陋，后续会进一步优化，围绕PS的本质，提高美观程度和用户可用度

项目地址：https://github.com/Angel-ML/angel
官网：https://angelml.ai/