spark standalone模式的HA

为什么80%的码农都做不了架构师？>>>   

参照官网文档：High Availability

一共有2中模式，基于文件系统、基于zookeeper。

1.基于文件系统，即将master的信息同步到某个文件目录中，当一个master挂掉之后，会启动宁外一个master读取目录的信息，正在执行的spark应用数据就不会丢失了。按照文档所说，在spark-env.sh中设置如下参数，重启即可。

SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=FILESYSTEM -Dspark.deploy.recoveryDirectory=/home/hadoop/apps/spark-1.3.0-bin-hadoop2.3/tmp"

（进入spark shell，定义一个变量并赋值，kill掉master进程，然后重启master，可以观察到刚刚的变量还可以使用。这个说法是错误的，即使所有的都挂掉了，变量还可以用。）

总结：1.需要手动重启master。2.经观察，目录spark.deploy.recoveryDirectory仅在master保存一份，在别的节点上不保存，还是存在风险，不知道是否可以存到hdfs上？

2.基于zookeeper，将数据存储到zoopeeper，有多个备用的master，按照文档所说，在spark-env.sh中设置如下参数，重启即可。

SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=hadoop1:2181,hadoop2:2181,hadoop3:2181 -Dspark.deploy.zookeeper.dir=/spark"

可以观察到一个master为active，宁外一个master为standby。当kill掉active的master，那么standby的master会切换成active。

 1.master节点会自动切换。2.需要在spark的spark-defaults.conf中配置master为

spark.master spark://hadoop2:7077,hadoop3:7077

 

 

 

 

 

 

转载于:https://my.oschina.net/cjun/blog/508246