spark submit参数介绍

spark-submit 可以提交任务到 spark 集群执行，也可以提交到 hadoop 的 yarn 集群执行。

1. 例子
   一个最简单的例子，部署 spark standalone 模式后，提交到本地执行。

./bin/spark-submit
–master spark://localhost:7077
examples/src/main/python/pi.py
如果部署 hadoop，并且启动 yarn 后，spark 提交到 yarn 执行的例子如下。

注意，spark 必须编译成支持 yarn 模式，编译 spark 的命令为：

build/mvn -Pyarn -Phadoop-2.x -Dhadoop.version=2.x.x -DskipTests clean package
其中, 2.x 为 hadoop 的版本号。编译完成后，可执行下面的命令，提交任务到 hadoop yarn 集群执行。

./bin/spark-submit --class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
--driver-memory 1g \
--executor-memory 1g \
--executor-cores 1 \
--queue thequeue \
examples/target/scala-2.11/jars/spark-examples*.jar 10

2. spark-submit 详细参数说明
   参数名 参数说明
   –master master 的地址，提交任务到哪里执行，例如 spark://host:port, yarn, local
   –deploy-mode 在本地 (client) 启动 driver 或在 cluster 上启动，默认是 client
   –class 应用程序的主类，仅针对 java 或 scala 应用
   –name 应用程序的名称
   –jars 用逗号分隔的本地 jar 包，设置后，这些 jar 将包含在 driver 和 executor 的 classpath 下
   –packages 包含在driver 和executor 的 classpath 中的 jar 的 maven 坐标
   –exclude-packages 为了避免冲突 而指定不包含的 package
   –repositories 远程 repository
   –conf PROP=VALUE
   指定 spark 配置属性的值，

例如 -conf spark.executor.extraJavaOptions="-XX:MaxPermSize=256m"

–properties-file 加载的配置文件，默认为 conf/spark-defaults.conf
–driver-memory Driver内存，默认 1G
–driver-java-options 传给 driver 的额外的 Java 选项
–driver-library-path 传给 driver 的额外的库路径
–driver-class-path 传给 driver 的额外的类路径
–driver-cores Driver 的核数，默认是1。在 yarn 或者 standalone 下使用
–executor-memory 每个 executor 的内存，默认是1G
–total-executor-cores 所有 executor 总共的核数。仅仅在 mesos 或者 standalone 下使用
–num-executors 启动的 executor 数量。默认为2。在 yarn 下使用
–executor-core 每个 executor 的核数。在yarn或者standalone下使用