在集群上运行Spark应用程序

最新推荐文章于 2023-05-17 00:05:53 发布

IT雪

最新推荐文章于 2023-05-17 00:05:53 发布

阅读量1.6k

点赞数 2

分类专栏： Spark

Spark 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

启动Spark集群

请登录Linux系统，打开一个终端。
启动Hadoop集群

cd /usr/local/hadoop/
sbin/start-all.sh

启动Spark的Master节点和所有slaves节点

cd /usr/local/spark/
sbin/start-master.sh
sbin/start-slaves.sh

独立集群管理器

（1）在集群中运行应用程序JAR包
向独立集群管理器提交应用，需要把spark：//master:7077作为主节点参数递给spark-submit。下面我们可以运行Spark安装好以后自带的样例程序SparkPi，它的功能是计算得到pi的值（3.1415926）。
在Shell中输入如下命令：

bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 examples/jars/spark-examples_2.11-2.0.2.jar 100 2>&1 | grep "Pi is roughly"

（2）在集群中运行spark-shell
也可以用spark-shell连接到独立集群管理器上。
首先做一点准备工作，把一个README.md文件拷贝到HDFS上，用于后面的测试。

cd /usr/local/hadoop/
# 下面这条命令中，我们把spark安装目录下的README.md文件上传到分布式文件系统HDFS的根目录下
bin/hadoop fs -put hadoop fs -put /usr/local/spark/README.md /

在Shell中输入如下命令启动进入spark-shell：

cd /usr/local/spark/
bin/spark-shell --master spark://master:7077

可以在spark-shell中输入如下代码进行测试：

scala> val textFile = sc.textFile("hdfs://master:9000/README.md")
textFile: org.apache.spark.rdd.RDD[String] = hdfs://master:9000/README.md MapPartitionsRDD[1] at textFile at <console>:24
scala> textFile.count()
res0: Long = 99                                                                 
scala> textFile.first()
res1: String = # Apache Spark

用户在独立集群管理Web界面查看应用的运行情况，可以浏览器中输入地址进行查看(http://master:8080/)，如下图：
20161206_012

Hadoop YARN管理器

（1）在集群中运行应用程序JAR包
向Hadoop YARN集群管理器提交应用，需要把yarn-cluster作为主节点参数递给spark-submit。
请登录Linux系统，打开一个终端，在Shell中输入如下命令：

bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster examples/jars/spark-examples_2.11-2.0.2.jar

运行后，根据在Shell中得到输出的结果地址查看，如下图：
20161206_014

复制结果地址到浏览器，点击查看Logs，再点击stdout，即可查看结果，如下图：
20161206_015

20161206_016

（2）在集群中运行spark-shell
也可以用spark-shell连接到独立集群管理器上。
请登录Linux系统，打开一个终端，在Shell中输入如下命令启动进入spark-shell：

bin/spark-shell --master yarn

在spark-shell中输入如下代码进行测试：

scala> val textFile = sc.textFile("hdfs://master:9000/README.md")
textFile: org.apache.spark.rdd.RDD[String] = hdfs://master:9000/README.md MapPartitionsRDD[3] at textFile at <console>:24
 
scala> textFile.count()
res2: Long = 99                                                                 
 
scala> textFile.first()
res3: String = # Apache Spark

用户在Hadoop Yarn集群管理Web界面查看所有应用的运行情况，可以在浏览器中输入地址进行查看(http://master:8088/cluster) ，如下图：