Spark獨立叢集(瞭解即可)、Spark如何在Yarn上執行
阿新 • • 發佈:2022-03-10
Spark獨立叢集(瞭解即可)、Spark如何在Yarn上執行、
目錄- Spark獨立叢集(瞭解即可)、Spark如何在Yarn上執行、
叢集模式
這裡僅僅只是記錄一下 Spark Standalone -- 獨立叢集模式 如何搭建
在公司一般不適用standalone模式,因為公司一般已經有yarn 不需要搞兩個資源管理框架
所以不需要搭建
Standalone 架構圖
Standalone 的搭建
1、上傳、解壓、重新命名
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、配置環境變數
vim /etc/profile
export SPARK_HOME=/usr/local/soft/spark-2.4.5
export PATH=$PATH:$SPARK_HOME/bin
source /etc/profile
3、修改配置檔案 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檔案
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
#新增 -- slaves檔案
node1
node2
4、同步到其他節點
scp -r spark-2.4.5 node1:`pwd`
scp -r spark-2.4.5 node2:`pwd`
5、啟動、關閉
啟動、停止 叢集,在master中執行
cd /usr/local/soft/spark-2.4.5/sbin
# 啟動
./start-all.sh
# 關閉
./stop-all.sh
訪問 spark web 介面
http://master:8080/
Spark 提交任務的兩種模式
需要進入到spark-examples_2.11-2.4.5.jar 包所在的目錄下執行
spark-examples_2.11-2.4.5.jar -- 是 Spark 官方提供的,用於測試 Spark 是否搭建成功的一個例子
-
standalone client模式 日誌在本地輸出,一般用於上線前測試(bin/下執行)
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 -- 提交命令以這個開頭
--class -- 指定類名
org.apache.spark.examples.SparkPi -- 類名
--master -- 指定執行模式
spark://master:7077 -- 指定Spark提交任務的埠
--executor-memory -- 指定任務執行資源
--total-executor-cores -- 指定任務執行資源
spark-examples_2.11-2.4.5.jar -- 指定jar包
100 -- 傳入main()的引數,這裡的main()是前面指定的類裡面的
-
standalone cluster模式 上線使用,不會在本地列印日誌
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 -- 叢集模式
可以通過 web 介面檢視執行結果
自己寫的程式碼如何提交到 Spark 並執行?
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()
/**
* 將程式碼提交到叢集執行,不需要指定master(執行模式)
* 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")
/**
* 將程式碼提交到叢集執行
* 1、將專案打包上傳到叢集
* 2、spark-submit --class com.shujia.spark.Demo20Submit --master spark://master:7077 spark-1.0.jar
* 需要在jar所在的位置提交任務
* 注意:執行的時候如果報錯說spark-1.0.jar在worker中找不到,則需要將spark-1.0.jar分發到node1、node2
* scp spark-1.0.jar node1:`pwd`
* scp spark-1.0.jar node2:`pwd`
*/
}
}
YARN -- 在yarn上執行
在公司一般不適用standalone模式,因為公司一般已經有yarn 不需要搞兩個資源管理框架
整合yarn(spark在yarn上執行的環境搭建)
1、停止上面搭建的Spark獨立叢集
停止叢集,在master中執行
cd /usr/local/soft/spark-2.4.5/sbin
# 關閉
./stop-all.sh
2、spark整合yarn只需要在一個節點整合, 可以刪除node1 和node2中所有的spark 檔案
3、修改配置檔案
注:若上面的 Spark Standalone -- 獨立叢集模式 並沒有搭建,則還需要做
上傳解壓、配置環境變數
上面搭建的獨立叢集時對配置檔案做的修改可以刪掉,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檔案
export HADOOP_CONF_DIR=/usr/local/soft/hadoop-2.7.6/etc/hadoop
#因為Spark需要獲取hadoop的配置資訊
-------------------------------------------------------------------------
往yarn提交任務需要增加兩個配置 yarn-site.xml (/usr/local/soft/hadoop-2.7.6/etc/hadoop/yarn-site.xml)
先關閉yarn
stop-yarn.sh
# 新增 -- yarn-site.xml檔案
<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 同步到其他節點,重啟yarn
scp -r yarn-site.xml node1:`pwd`
scp -r yarn-site.xml node2:`pwd`
啟動yarn
start-yarn.sh
之後就可以通過yarn來執行spark任務了
在 yarn 上執行 org.apache.spark.examples.SparkPi
在 master 上提交
先切到
cd /usr/local/soft/spark-2.4.5/examples/jars
目錄下本地 -- 任務在哪提交,哪裡就是本地
-
spark on yarn client模式 日誌在本地輸出,一般用於上線前測試
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 上線使用,不會在本地列印詳細日誌 減少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
檢視執行日誌
spark on yarn cluster模式不會列印日誌和結果
獲取yarn程式執行日誌,執行成功之後才能獲取到
yarn logs -applicationId application_1560967444524_0003
application_1560967444524_0003 -- 程式執行id
自己寫的spark程式碼如何提交到yarn上並執行?
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()
/**
* 將程式碼提交到叢集執行,不需要指定master(執行模式)
* 在spark的提交命令指定
*/
//conf.setMaster("local")
conf.setAppName("Demo21ClazzNum")
val sc = new SparkContext(conf)
/**
* 讀取hdfs中的檔案
* 前提是HDFS的目錄中一定要有資料檔案
*/
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)
})
//統計班級的人數
val clazzNumRDD: RDD[(String, Int)] = kvRDD.reduceByKey((x, y) => x + y)
//整理資料
val resultRDD: RDD[String] = clazzNumRDD.map {
case (clazz: String, num: Int) =>
s"$clazz\t$num"
}
//儲存資料, 儲存到hdfs,指定輸出目錄
resultRDD.saveAsTextFile("/data/clazz_num")
/**
* 將程式碼提交到yarn上執行
* 1、將需要處理的檔案上傳到hdfs
* 2、將專案打包上傳到叢集
* 3、提交任務
* spark-submit --class com.shujia.spark.Demo21ClazzNum --master yarn-client spark-1.0.jar
* 4、檢視結果
* hadoop dfs -ls /data
*/
}
}