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
      */
  }
}