实战 - 部署 Spark Application 到集群

命令格式

【命令式】 spark-submit [options] <app jar | python file> [app options]

【例子】
spark-submit --master spark://host:7077 --executor-memory 10g my_script.py

参数 ：
1. –master ：指定 cluster connetion URL ， 可以有多种集群设置模式：

值	说明
spark://host:port	连接到 spark standalone clustr ，默认端口为 7707
mesos://host:port	连接到 mesos cluster ， 默认端口为 5050
yarn	连接到 Yarn cluster ， 需要配置 HADOOP_CONF_DIR 环境变量
local	运行在本地模式，单核运行
local[n]	运行在本地模式，使用n核运行
local[*]	运行在本地模式，使用本机所有核运行

2. 常用 [options]

选项	说明
–master	spark 连接 url
–deploy-mode	运行driver的模式， client ， 则在执行spark-submit的机上运行； cluster ，则交给集群去指定一台机器运行；默认是 client 。
–class	main() 所在的 class ，要全名（针对java或scala）。
–name	指定运行的应用名称，将会在 webui 上显示 。
–jars	指定jar包列表，将添加到应用程序的 classpath 。
–files	指定file列表，这些文件会被部署到集群节点上。
–py-files	指定python文件、.zip文件 、 .eeg文件列表，将添加到应用程序的 PYTHONPATH 。
–executor-memory	给executor申请内存。
–driver-memory	给executor 申请内存。

部署到各cluster manager

部署 java 程序到 Standalone 使用 cluster 模式

./bin/spark-submit \
--master spark://hostname:7077 \
--deploy-mode cluster \
--class com.databricks.examples.SparkExample \
--name "Example Program" \
--jars dep1.jar,dep2.jar,dep3.jar \
--total-executor-cores 300  \
--executor-memory 10g \
myApp.jar "options" "to your application" "go here"

部署 python 程序到 yarn 使用 client 模式

export HADOOP_CONF_DIR=/opt/hadoop/conf
./bin/spark-submit \
--master yarn
--py-files somelib-1.2.egg,otherlib-4.4.zip,other-file.py \
--deploy-mode client \
--name "Example Program" \
--queue exampleQueue \
--num-executors 40 \
--executor-memory 10g \
my_script.py "options" "to your application" "go here"