spark-assembly-*.jarがspark 2.0で廃止されたが、spark 2.0でも以前と同様にspark自身の配信をyarnを通して行う方法

1.6の時に存在した spark-assembly-1.6.2-hadoop2.6.0.jar のような事前に準備されたuber jarは廃止された模様。
また、spark.yarn.jar パラメータも廃止された模様

その代わり、以下の設定を行う

• spark.yarn.archive に jarが含まれているhdfsのパスを記述する
• または、spark.yarn.jars に jar ファイルのリストを記述する

優先順位としては
1. spark.yarn.archive
2. spark.yarn.jars
の順序であり
上記のいずれも設定されていない場合は $SPARK_HOME/jars 内のファイルをzip化して勝手にhdfs上にアップロードして配信してくれる。
但し、毎回アップロードが走るため少し無駄が多い。
あらかじめ、事前にhdfs上にアップロードしておくことができればこの無駄な時間を削減できるが、それを行うのが spark.yarn.archive や spark.yarn.jars であると言える。

例えば hdfs:///spark にsparkのjarをアップロードする場合。

事前準備

# spark jarのアップロード
$hdfs dfs -put $SPARK_HOME/jars /spark

# アップロードされていることの確認
$hdfs dfs -ls /spark

方法１ spark.yarn.archive に jarのパスを書く

$SPARK_HOME/conf/spark-defaults.conf

spark.yarn.archive hdfs:///spark 

方法２ spark.yarn.jars に jarファイルのリストを記述する

$SPARK_HOME/conf/spark-defaults.conf

spark.yarn.jars hdfs:///spark/*

動作確認（SparkPi）

$SPARK_HOME/bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
$SPARK_HOME/examples/jars/spark-examples*.jar \
10