Spark端口

一、4040端口

spark任务运行后，会将Driver所在机器绑定到4040端口，提供当前任务的监控页面。

此端口号默认为4040，展示信息如下：

• 调度器阶段和任务列表

• RDD大小和内存使用情况

• 环境信息

• 正在运行的executors的信息

演示如下：

1. 通过spark的java接口启动spark

   SparkConf sc = new SparkConf(); // 创建一个SpakrConf对象用于配置Spark
   sc.setAppName("name") // 设定程序名字
       .setMaster("local"); // 选择启动模式，这里用的local模式
       
   SparkSession spark = SparkSession.builder().config(sc).getOrCreate(); //通过SparkSession启动
   ...
   

2. 启动Spark后可以通过localhost:4040端口查看当前任务情况（目前测试过这个localhost可以是127.0.0.1或127.0.1.1或本机IPv4地址）。

3. 当有多个Spark上下文时，端口号会顺延，如4041、4042…

4. web端口可以通过spark.ui.port进行设置，例如：

   SparkConf sc = new SparkConf();
   sc.setAppName("name")
   	.setMaster("local")
   	.set("spark.ui.port", "4050"); // 设置后通过localhost:4050访问webui
   

注：4040端口仅在driver运行时存在，当程序结束，4040端口就不可访问了，这时可以通过history server访问历史任务信息

二、18080端口

18080端口为history server端口的WebUI，展示信息为已完成和未完成的应用信息，当4040端口关闭后，可以通过18080端口查看相关信息。

• 展示信息包含4040端口的所有信息

演示如下：

1. 首先创建history sever的读取路径文件夹：

   mkdir /usr/local/spark/spark-events（路径可自定义）

   vi /usr/local/spark/conf/spark-env.sh

   拷贝export SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=/usr/local/spark/spark-events"到sarpk-env.sh中

​ 注意：等于号后面的路径要与1中创建文件夹路径一致

2. 启动history server：

   cd /usr/local/spark/sbin

   ./start-history-server.sh

3. 通过spark的java接口配置SparkConf：

   SparkConf sc = new SparkConf();
   sc.setAppName("name")
       .setMaster("local")
       .set("spark.eventLog.dir", "/usr/local/spark/spark-events") // 配置history server的存储路径，需要与1中读取路径一直
       .set("spark.eventLog.enabled", "true") // 开启事件记录
       .set("spark.eventLog.compress", "true") // 对存入的日志压缩
   

4. 运行java代码后，然后即可通过localhost:18080查看历史任务信息

​ 注：localhost是启动spark-history-server的机器的配置文件spark-env.sh中的SPARK_LOCAL_IP

5. history server端口号可以通过spark.history.ui.port进行设置，例如设置为28080：

   vi /usr/local/spark/conf/spark-env.sh

   export SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=/usr/local/spark/spark-events -Dspark.history.ui.port=28080"

   修改后重启history server：

   ./stop-history-server.sh

   ./start-history-server.sh

   即可通过localhost:28080端口访问

三、8080端口

8080端口为展示master的信息的默认端口，主要展示信息如下：

• Spakr master的url
• worker信息
• 任务信息

查看8080端口首先需要启动Spark StandAlone集群，这里通过手动启动：

1. 命令行输入./sbin/start-master.sh启动master ，启动后可以在localhost:8080端口查看（localhost为机器的配置文件spark-env.sh中的SPARK_LOCAL_IP），此时还没有worker绑定到master

   注：master的url可以通过spark-env.sh中的SPARK_MASTER_HOST和SPARK_MASTER_PORT修改。也可以在命令行启动时修改，例如./sbin/start-master.sh -h 127.0.0.1 -p 6666

2. 绑定一个worker到master：

   cd /usr/local/spark/sbin

   ./start-worker.sh spark://master'url（其中master'url可以从localhost:8080中查看）

   注：worker启动时也可以通过-h和-p修改worker的url。

3. 刷新8080端口网页，可以发现已经出现一个worker，这时已经部署好了1个master+1个worker的集群了，点击woker id可以查看worker信息。

   注：如果是worker是从另一台机器绑定到master，需要将worker所在及其的SPARK_LOCAL_IP更改为IPv4地址才能通过master所在机器查看worker信息。

4. 通过java端开启一个任务（统计文档字数）：

   SparkConf sc = new SparkConf();
   sc.setAppName("Simple Application")
       .setMaster("spark://172.16.14.197:7077") // 声明任务绑定到的master的url
       .set("spark.eventLog.dir", "/usr/local/spark/spark-events") 
       .set("spark.eventLog.enabled", "true")
       .set("spark.eventLog.compress", "true");
   
   SparkSession spark = SparkSession.builder().config(sc).getOrCreate();
   
   // 如果是集群，这里的文档需要在每台worker上都存在，否则会报文件不存在错误
   Dataset<String> testData = spark.read().textFile("/usr/local/spark/LICENSE");
   Dataset<String> testData1 = spark.read().textFile("/usr/local/spark/NOTICE");
   
   long num = testData.count();
   long num1 = testData1.count();
   
   System.out.println(num);
   System.out.println(num1);
   
   spark.stop();
   

   执行后，可以通过18080端口查看任务运行情况。

5. 8080端口号同样可以被修改，在spark-env.sh中加入SPARK_MASTER_WEBUI_PORT=9090，就将端口号修改成了9090。