Spark大数据分析与实战笔记（第二章 Spark基础-04）_spark大数据分析与实战4-2源码

“春风十里，不如你。”
这句来自现代作家安妮宝贝的经典句子，它表达了对他人的赞美与崇拜。每个人都有着不同的闪光点和特长，在这个世界上，不必去羡慕别人的光芒，自己所拥有的价值是独一无二的。每个人都有无限的潜力和能力，只要勇敢展现自己，就能在人生舞台上绽放光彩。每天鼓励自己，相信自己，发挥自己的优点和才能，你就能成为那道独特的风景，给世界带来不一样的美好。

引言

Spark是一个用于大规模数据处理的高性能分布式计算框架。它提供了一个简单易用的编程模型和丰富的API，可以帮助我们在分布式环境中快速地进行数据处理和分析。

在开始编写自己的Spark程序之前，我们可以先尝试运行Spark官方提供的示例程序来熟悉Spark的基本用法和工作原理。

其中一个经典的官方示例是SparkPi，它通过随机生成的点来估算圆周率π的值。我们可以通过这个程序来了解如何使用Spark进行并行计算和分布式数据处理。

接下来，我们将一步步地体验运行Spark官方示例SparkPi，并观察它在分布式集群上的运行效果。通过这个过程，我们可以更好地理解Spark的运行机制和优势，为编写自己的Spark程序打下良好的基础。让我们开始吧！

章节概要

Spark是一个快速、通用、可扩展的大数据处理引擎，具有高效的内存计算能力和丰富的数据处理功能。在大数据领域中，Spark已经成为一个重要的工具和平台，被广泛应用于数据分析、机器学习、图计算等多个领域。

了解Spark的运行架构和原理，对于高效地使用和优化Spark程序非常重要。Spark的运行架构和原理涉及到数据处理模型、任务调度机制、资源管理策略等多个方面的知识。理解这些知识可以帮助我们更好地理解Spark的工作原理，从而合理地配置和管理计算资源，设计和优化Spark程序。

本章节将深入探讨Spark的运行架构与原理。首先，我们将介绍Spark的基本概念和特点，以及Spark的集群模式和运行模式。然后，我们将详细解析Spark的执行引擎Spark Core，包括其任务划分与调度机制。接着，我们将介绍Spark的数据抽象模块RDD和DataFrame/Dataset，并分析其在数据处理中的作用和原理。此外，本章节还将对Spark的资源管理器和任务调度器进行详细讨论，包括Cluster Manager和DAG调度器的工作原理和实现方式。最后，我们将通过实际的运行架构实例分析，具体了解Spark在不同的集群模式下的运行架构和工作流程。

通过学习本章节内容，读者将能够全面了解Spark的运行架构与原理，掌握Spark程序的设计和优化方法。无论是初学者还是有一定经验的开发者，通过深入学习Spark的运行架构与原理，都能够更好地利用Spark处理大数据任务，并开发出高效、可扩展的Spark应用程序。

2.4 体验第一个Spark程序

2.4.1 运行Spark官方示例SparkPi

Spark集群已经部署完毕,接下来我们使用Spark官方示例SparkPi,体验Spark集群提交任务的流程。首先进入spark目录，执行命令如下。

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop01:7077 \
--executor-memory 1G \
--total-executor-cores 1 \
examples/jars/spark-examples_2.11-2.3.2.jar \
10

上述命令参数表示含义如下:

• 1、–master spark://hadoop01:7077：指定Master的地址是hadoop01节点
• 2、–executor-memory1G：指定每个executor的可用内存为1G
• 3、–total-executor-cores 1：指定每个executor使用的CPU核心数为1个

按【回车键】提交Spark作业后，观察Spark集群管理界面，其中“Running Applications”列表表示当前Spark集群正在计算的作业，执行几秒后，刷新界面，在Completed Applications表单下，可以看到当前应用执行完毕，返回控制台查看输出信息，出现了“Pi is roughly 3.140691140691141”，说明Pi值已经被计算完毕。，如下图所示。


计算出来的结果准确是由参数（命令中最后的10）决定的，这个参数越大，准确度超高。

在高可用模式提交任务时，可能涉及多个Master,在提交任务时,需要让SparkContext指向一个Master列表 ,执行提交任务的命令如下。

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop01:7077,hadoop02:7077,hadoop03:7077 \
--executor-memory 1G \
--total-executor-cores 1 \
examples/jars/spark-examples_2.11-2.3.2.jar \
10

总结

在体验第一个Spark程序之前，确保已经安装好了Spark，并且配置环境变量和启动Spark集群。

首先，在终端中输入以下命令启动Spark集群：

sbin/start-all.sh

接着，创建一个新的Spark应用程序，命名为SparkPi，并在该应用程序中编写代码计算Pi的近似值。

import org.apache.spark.{SparkConf, SparkContext}

object SparkPi {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("SparkPi")
    val sc = new SparkContext(conf)

    val slices = if (args.length > 0) args(0).toInt else 2
    val n = 100000 \* slices
    val count = sc.parallelize(1 to n, slices).map { i =>


## 学习路线：

这个方向初期比较容易入门一些，掌握一些基本技术，拿起各种现成的工具就可以开黑了。不过，要想从脚本小子变成黑客大神，这个方向越往后，需要学习和掌握的东西就会越来越多以下是网络渗透需要学习的内容：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/7a04c5d629f1415a9e35662316578e07.png#pic_center)





**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以点击这里获取](https://bbs.csdn.net/topics/618540462)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**