介绍
Spark Standalone模式是Spark的一种部署模式,在Spark Standalone模式下,用户可以通过启动一个或多个Spark主节点(Master)和多个Spark工作节点(Worker)来创建一个Spark集群。Spark主节点负责资源的分配和任务调度,而Spark工作节点负责执行具体的任务。
用户可以通过配置文件或命令行参数来设置Spark Standalone集群的属性,如主节点地址、端口号、工作节点数量、内存分配等。一旦集群启动,用户可以使用Spark提供的API或命令行工具来提交和管理Spark应用程序。
Spark Standalone模式的优点包括简单易用、轻量级、高性能和灵活性。它适用于小型到中型规模的集群,并且可以与其他资源管理器集成,如Hadoop YARN或Mesos,以扩展集群规模和资源利用率。
安装
1.前置条件
4.确保主机master安装了jdk,hadoo,spark。另外两台可以不装,因为之后的操作会把主机的这些环境发送给另外两台。
2.修改主机Spark配置文件
1.在master中进入spark安装文件解压缩后路径的conf目录,修改 slaves.template 文件名为 slaves.
root@master:~/env/environment/spark23/conf# mv slaves.template slaves
2.修改slaves文件,在文件末加入节点
3.修改spark-env.sh文件,如果没有先将spark-env.sh.template修改为spark-env.sh
root@master:~/env/environment/spark23/conf# vi spark-env.sh
#在文件末端加入
#设置JAVA安装目录
export JAVA_HOME=/root/env/environment/jdk8
#设置HADOOP和YARN配置目录,用于读取HDFS及运行YARN集群
HADOOP_CONF_DIR=/root/env/environment/hadoop/etc/hadoop
YARN_CONF_DIR=/root/env/environment/hadoop/etc/hadoop
#SPARK master及slave相关设置
export SPARK_MASTER_HOST=master
export SPARK_MASTER_PORT=7077
SPARK_MASTER_WEBUI_PORT=8080
3.分发目录和环境
#分发目录
root@master:~# scp /etc/profile worker1:/etc/profile
profile 100% 1044 830.1KB/s 00:00
root@master:~# scp /etc/profile worker2:/etc/profile
profile 100% 1044 937.6KB/s 00:00
#分发环境,地址为自己环境所在的地址,我是把jdk,hadoop还有spark都放在了/root/env/environment里面
#将master的/root/env/environment文件夹发送到目标节点的/root/env文件夹里
root@master:~# scp -r /root/env/environment worker1:/root/env
root@master:~# scp -r /root/env/environment worker2:/root/env
#在两个子节点上生效环境
root@worker1:~# source /etc/profile
root@worker2:~# source /etc/profile
4.配置历史服务(选做)
由于 spark-shell 停止掉后,集群监控 spark1:4040 页面就看不到历史任务的运行情况,所以,在开发时,可以通过配置历史服务器记录任务运行情况。
1.启动hadoop集群,HDFS 上的 directory 目录需要提前存在
root@master:~/env/environment/hadoop# sbin/start-all.sh
#创建directory文件夹
root@master:~/env/environment/hadoop# hadoop fs -mkdir /directory
2.修改 /spark/conf目录下的spark-defaults.conf.template 文件名为 spark-defaults.conf
root@master:~/env/environment/spark23/conf# mv spark-defaults.conf.template spark-defaults.conf
3.修改 spark-defaults.conf文件,配置日志存储路径
root@master:~/env/environment/spark23/conf# vi spark-defaults.conf
修改为下图所示
4.修改spark-env.sh文件, 添加日志配置
root@master:~/env/environment/spark23/conf# vi spark-env.sh
#在文件末端加上
export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080
-Dspark.history.fs.logDirectory=hdfs://master:9000/directory
-Dspark.history.retainedApplications=30"
#参数 1 含义:WEB UI 访问的端口号为 18080
#参数 2 含义:指定历史服务器日志存储路径
#参数 3 含义:指定保存 Application 历史记录的个数,如果超过这个值,旧的应用程序信息将被删除,这个是内存中的应用数,而不是页面上显示的应用数。
5. 分发配置文件,将配置好的文件夹同步到其它两台机器
root@master:~# scp -r /root/env/environment/spark23/conf worker1:/root/env/environment/spark23
root@master:~# scp -r /root/env/environment/spark23/conf worker2:/root/env/environment/spark23
6.重新启动spark集群和历史服务
#启动spark服务
root@master:~/env/environment/spark23# sbin/start-all.sh
#启动历史服务
root@master:~/env/environment/spark23# sbin/start-history-server.sh
测试
1.启动集群
#先启动Hadoop集群
root@master:~# start-all.sh
#进入到Spark目录下,启动spark集群
root@master:~/env/environment/spark23# sbin/start-all.sh
2. 通过JPS查看每台机器的启动情况
3.查看 Master 资源监控 Web UI 界面
4.测试用例
root@master:~/env/environment/spark23# bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 \./examples/jars/spark-examples_2.11-2.3.2.jar 10
#(1) --class 表示要执行程序的主类。
#(2) --master spark://master:7077 独立部署模式,连接到 Spark 集群。
#(3) ./examples/jars/spark-examples_2.12-3.0.0.jar 运行类所在的 jar 包。
#(4) 数字 10 表示程序的入口参数,用于设定当前应用的任务数量执行任务时,产生多个(此处为10个)Java进程(10次迭代)。
5.查看历史服务
报错
启动历史服务时报错failed to launch: nice -n 0 /root/env/environment/spark23/bin/spark-class org.apache.spark.deploy.history.HistoryServer
解决办法:尝试更换文件端口号,如8020改成9000。