Databricksのシングルノードクラスター

Single Node clusters | Databricks on AWS [2021/6/16時点]の翻訳です。

本書は抄訳であり内容の正確性を保証するものではありません。正確な内容に関しては原文を参照ください。

シングルノードクラスターはApache Sparkのドライバーで構成されるクラスターであり、ワーカーはありません。シングルノードクラスターはDelta Lakeを含む全てのSparkデータソース、Sparkジョブをサポートしています。スタンダードクラスターでは、Sparkジョブを実行するために最低1台のSparkワーカーが必要となります。

以下のようなケースでシングルノードクラスターは役立ちます。

• データのロード、セーブにSparkを使用するシングルノードの機械学習ワークロード。
• ライトな探索的データ分析。

シングルノードクラスターの作成

シングルノードクラスターを作成するには、クラスターを設定する際にCluster ModeをSingle Nodeに設定します。

シングルノードクラスターの特徴

シングルノードクラスターには以下の特徴があります。

• Sparkはローカルで実行されます。
• ワーカーノードがないため、ドライバーがマスターかつワーカーとして動作します。
• 論理的コアに対して1つのエグゼキュータースレッドが起動します。1コアはドライバー分となります。
• すべてのstderr、stdout、log4j出力はドライバーログに保存されます。
• シングルノードクラスターをスタンダードクラスターに変更することはできません。スタンダードクラスターを使用するには、スタンダードクラスターを作成し、ノートブックをアタッチしてください。

制限

• 大規模なデータ処理は、シングルノードクラスターのリソースを全て使い尽くす場合があります。このようなワークロードに対しては、スタンダードクラスターを使用することをお勧めします。
• シングルノードクラスターは共有を目的としたものではありません。リソース競合を回避するためには、クラスターを共有する際にはスタンダードモードのクラスターを使用することをお勧めします。
• スタンダードクラスターは0個のワーカーにスケールすることはできません。この場合には、シングルノードクラスターを使ってください。
• シングルノードクラスターはプロセス分離との互換性はありません。
• シングルノードクラスターではGPUスケジューリングは有効化されません。

• シングルノードクラスターでは、SparkはUDTカラムを持つParquetファイルを読み込むことができません。以下のようなエラーが発生します。

  The Spark driver has stopped unexpectedly and is restarting. Your notebook will be automatically reattached.
  

  この問題を回避するには、ネイティブのParquetリーダーを無効にします。

  Python

  spark.conf.set("spark.databricks.io.parquet.nativeReader.enabled", False)
  

REST API

シングルノードクラスターを作成するためにClusers APIを使用することができます。

シングルノードクラスターのポリシー

クラスターポリシーを用いることで、シングルノードクラスターの設定をシンプルにすることができます。

クラスター作成権限を持たないメンバーがいるデータサイエンスチームの例を考えてみます。管理者はプールとクラスターポリシーを用いて、チームメンバーがある最大数のシングルノードクラスターの作成を許可するクラスターポリシーを作成することができます。

1. プールを作成します。

   1. Max capacityを10に設定します。
   2. Autopilot optionsでautoscaling enabled for local storageを有効化します。
   3. Instance typeをSingle Node clusterに設定します。
   4. Databricksのバージョンを選択します。可能であれば最新のバージョンを使用することをお勧めします。
   5. Createをクリックします。

   プールのプロパティページが表示されます。新規に作成したプールのプールIDとインスタンスタイプIDをメモしておきます。

2. クラスターポリシーを作成します。

   • プールのプロパティから取得したプールIDとインスタンスタイプIDを設定します。
   • 必要に応じて制約を指定します。

3. チームメンバーにクラスターポリシーへのアクセスを許可します。ユーザー管理をシンプルにするためにユーザーとグループの管理を活用することができます。

JSON

{
  "spark_conf.spark.databricks.cluster.profile": {
    "type": "fixed",
    "value": "singleNode",
    "hidden": true
  },
  "instance_pool_id": {
    "type": "fixed",
    "value": "singleNodePoolId1",
    "hidden": true
  },
  "spark_version": {
    "type": "fixed",
    "value": "7.3.x-cpu-ml-scala2.12",
    "hidden": true
  },
  "autotermination_minutes": {
    "type": "fixed",
    "value": 120,
    "hidden": true
  },
  "num_workers": {
    "type": "fixed",
    "value": 0,
    "hidden": true
  },
  "docker_image.url": {
    "type": "forbidden",
    "hidden": true
  }
}

シングルノードジョブクラスターのポリシー

ジョブに対するクラスターのポリシーを設定するために、同様のクラスターポリシーを定義することができます。cluster_type.typeをfixed、cluster_type.valueをjobに設定します。auto_termination_minutesを参照している箇所を全て削除します。

JSON

{
  "cluster_type": {
    "type": "fixed",
    "value": "job"
  },
  "spark_conf.spark.databricks.cluster.profile": {
    "type": "fixed",
    "value": "singleNode",
    "hidden": true
  },
  "instance_pool_id": {
    "type": "fixed",
    "value": "singleNodePoolId1",
    "hidden": true
  },
  "num_workers": {
    "type": "fixed",
    "value": 0,
    "hidden": true
  },
  "spark_version": {
    "type": "fixed",
    "value": "7.3.x-cpu-ml-scala2.12",
    "hidden": true
  },
  "docker_image.url": {
    "type": "forbidden",
    "hidden": true
  }
}

Databricks 無料トライアル

Databricks 無料トライアル