Spark Standalone -- 独立集群模式、Spark 提交任务的两种模式、spark在yarn上运行的环境搭建、自己写的spark代码如何提交到yarn上并运行
Spark Standalone -- 独立集群模式
这里仅仅只是记录一下 Spark Standalone -- 独立集群模式 如何搭建
在公司一般不适用standalone模式，因为公司一般已经有yarn 不需要搞两个资源管理框架
所以不需要搭建
Standalone 架构图
Standalone 的搭建
1、上传、解压、重命名
cd /usr/local/module
tar -zxvf /usr/local/module/spark-2.4.5-bin-hadoop2.7.tgz -C /usr/local/soft/
mv spark-2.4.5-bin-hadoop2.7 spark-2.4.5
2、配置环境变量
vim /etc/profile
export SPARK_HOME=/usr/local/soft/spark-2.4.5
export PATH=$PATH:$SPARK_HOME/bin
source /etc/profile
3、修改配置文件 conf
cd /usr/local/soft/spark-2.4.5/conf
cp spark-env.sh.template spark-env.sh
#增加配置 -- spark-env.sh文件
export SPARK_MASTER_IP=master
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=2
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=2g
export JAVA_HOME=/usr/local/soft/jdk1.8.0_171
-------------------------------------------------
cp slaves.template slaves
#添加 -- slaves文件
node1
node2
4、同步到其他节点
scp -r spark-2.4.5 node1:`pwd`
scp -r spark-2.4.5 node2:`pwd`
5、启动、关闭
启动、停止 集群，在master中执行
cd /usr/local/soft/spark-2.4.5/sbin
# 启动
./start-all.sh
# 关闭
./stop-all.sh
访问 spark web 界面
http://master:8080/
Spark 提交任务的两种模式
需要进入到spark-examples_2.11-2.4.5.jar 包所在的目录下执行
spark-examples_2.11-2.4.5.jar -- 是 Spark 官方提供的，用于测试 Spark 是否搭建成功的一个例子
-
standalone client模式 日志在本地输出，一般用于上线前测试(bin/下执行)
spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 --executor-memory 512m --total-executor-cores 1 spark-examples_2.11-2.4.5.jar 100
spark-submit -- 提交命令以这个开头
--class -- 指定类名
org.apache.spark.examples.SparkPi -- 类名
--master -- 指定运行模式
spark://master:7077 -- 指定Spark提交任务的端口
--executor-memory -- 指定任务运行资源
--total-executor-cores -- 指定任务运行资源
spark-examples_2.11-2.4.5.jar -- 指定jar包
100 -- 传入main()的参数，这里的main()是前面指定的类里面的
-
standalone cluster模式 上线使用，不会在本地打印日志
spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 --executor-memory 512M --total-executor-cores 1 --deploy-mode cluster spark-examples_2.11-2.4.5.jar 100
--deploy-mode -- 指定部署模式
cluster -- 集群模式
可以通过 web 界面查看运行结果
自己写的代码如何提交到 Spark 并运行？
package com.shujia.spark
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object Demo20Submit {
def main(args: Array[String]): Unit = {
val conf: SparkConf = new SparkConf()
/**
* 将代码提交到集群运行，不需要指定master(运行模式)
* 在spark的提交命令指定
*/
//conf.setMaster("local")
conf.setAppName("Demo20Submit")
val sc = new SparkContext(conf)
val listRDD: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4, 5, 6, 7, 8, 9))
val sum: Double = listRDD.sum()
println(s"sum is:$sum")
/**
* 将代码提交到集群运行
* 1、将项目打包上传到集群
* 2、spark-submit --class com.shujia.spark.Demo20Submit --master spark://master:7077 spark-1.0.jar
* 需要在jar所在的位置提交任务
* 注意：运行的时候如果报错说spark-1.0.jar在worker中找不到，则需要将spark-1.0.jar分发到node1、node2
* scp spark-1.0.jar node1:`pwd`
* scp spark-1.0.jar node2:`pwd`
*/
}
}
YARN -- 在yarn上运行
在公司一般不适用standalone模式，因为公司一般已经有yarn 不需要搞两个资源管理框架
整合yarn（spark在yarn上运行的环境搭建）
1、停止上面搭建的Spark独立集群
停止集群，在master中执行
cd /usr/local/soft/spark-2.4.5/sbin
# 关闭
./stop-all.sh
2、spark整合yarn只需要在一个节点整合, 可以删除node1 和node2中所有的spark 文件
3、修改配置文件
注：若上面的 Spark Standalone -- 独立集群模式 并没有搭建，则还需要做
上传解压、配置环境变量上面搭建的独立集群时对配置文件做的修改可以删掉，也可以不用管他
cd /usr/local/soft/spark-2.4.5/conf
cp spark-env.sh.template spark-env.sh
vim spark-env.sh
#增加配置 -- spark-env.sh文件
export HADOOP_CONF_DIR=/usr/local/soft/hadoop-2.7.6/etc/hadoop
#因为Spark需要获取hadoop的配置信息
-------------------------------------------------------------------------
往yarn提交任务需要增加两个配置 yarn-site.xml (/usr/local/soft/hadoop-2.7.6/etc/hadoop/yarn-site.xml)
先关闭yarn
stop-yarn.sh
# 添加 -- yarn-site.xml文件
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
4、yarn-site.xml 同步到其他节点，重启yarn
scp -r yarn-site.xml node1:`pwd`
scp -r yarn-site.xml node2:`pwd`
启动yarn
start-yarn.sh
之后就可以通过yarn来运行spark任务了
在 yarn 上运行 org.apache.spark.examples.SparkPi
在 master 上提交
先切到
cd /usr/local/soft/spark-2.4.5/examples/jars目录下本地 -- 任务在哪提交，哪里就是本地
-
spark on yarn client模式 日志在本地输出，一般用于上线前测试
spark-submit --class org.apache.spark.examples.SparkPi --master yarn-client --executor-memory 512M --num-executors 2 spark-examples_2.11-2.4.5.jar 100
-
spark on yarn cluster模式 上线使用，不会在本地打印详细日志 减少io
spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster --executor-memory 512m --num-executors 2 --executor-cores 1 spark-examples_2.11-2.4.5.jar 100
查看运行日志
获取yarn程序执行日志 执行成功之后才能获取到
yarn logs -applicationId application_1560967444524_0003
application_1560967444524_0003 -- 程序运行id
自己写的spark代码如何提交到yarn上并运行？
package com.shujia.spark
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object Demo21ClazzNum {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
/**
* 将代码提交到集群运行，不需要指定master(运行模式)
* 在spark的提交命令指定
*/
//conf.setMaster("local")
conf.setAppName("Demo21ClazzNum")
val sc = new SparkContext(conf)
/**
* 读取hdfs中的文件
*
*/
val studentsRDD: RDD[String] = sc.textFile("/data/students.txt")
val kvRDD: RDD[(String, Int)] = studentsRDD.map(stu => {
val clazz: String = stu.split(",")(4)
(clazz, 1)
})
//统计班级的人数
val clazzNumRDD: RDD[(String, Int)] = kvRDD.reduceByKey((x, y) => x + y)
//整理数据
val resultRDD: RDD[String] = clazzNumRDD.map {
case (clazz: String, num: Int) =>
s"$clazz\t$num"
}
//保存数据, 保存到hdfs
resultRDD.saveAsTextFile("/data/clazz_num")
/**
* 将代码提交到yarn上运行
* 1、将需要处理的文件上传到hdfs
* 2、将项目打包上传到集群
* 3、提交任务
* spark-submit --class com.shujia.spark.Demo21ClazzNum --master yarn-client spark-1.0.jar
* 4、查看结果
* hadoop dfs -ls /data
*/
}
}
