9.8

没想到这么快就要开学

前几天一直忙着迎新的事情 8'29来的

1.spark主要有四种运行模式：Local、standalone、yarn、mesos。

　　1）Local模式：在一台机器上，一般用于开发测试

　　2）standalone模式：完全独立的spark集群，不依赖其他集群，分为Master和work。

　　　　客户端向Master注册应用，Master向work发送消息，依次启动Driver，executor，Driver负责向executors发送任务消息。

　　3）yarn模式：依赖于hadoop集群，yarn资源调度框架，将应用提交给yarn，在ApplactionMaster（相当于Stand alone模式中的Master）中运行driver，在集群上调度资源，开启excutor执行任务。

　　4）Spark on Mesos模式：类似于yarn模式，运行在Mesos集群上（Mesos是Apache下的开源分布式资源管理框架，它被称为是分布式系统的内核。Mesos最初是由加州大学伯克利分校的AMPLab开发的，后在Twitter得到广泛使用。）

2、启动方式：sparkShell

spark-shell通过不同的参数控制采用何种模式进行。涉及两个参数：

--master MASTER_URL         spark://host:port, mesos://host:port, yarn, or local.
--deploy-mode DEPLOY_MODE   Whether to launch the driver program locally ("client") or
                            on one of the worker machines inside the cluster ("cluster")
                            (Default: client).

　　1)本地模式

./spark-shell --master local
./spark-shell --master local[2]  # 本地运行,两个worker线程,理想状态下为本地CPU core数

　　2）standalone模式

./spark-shell --master spark://192.168.1.10:7077

　　3）yarn模式

./spark-shell --master yarn
./spark-shell --master yarn-client
#不支持这种模式
#./spark-shell --master yarn-cluster
./spark-shell --master yarn --deploy-mode client
#不支持这种模式
#./spark-shell --master yarn --deploy-mode cluster

spark job部署模式：

通过启动spark-submit 形式提交作业任务时通过自定参数来指定作业部署模式。

eg：

//client模式
spark-submit --master yarn --deploy-mode client --class xxx --executor-memory 1g --executor-cores 2 --num-executors 4 xxx.jar 1000
//cluster模式
spark-submit --master yarn --deploy-mode cluster --class xxx --executor-memory 1g --executor-cores 2 --num-executors 4 xxx.jar 1000