环境介绍
我使用的是基于Ambari 的 HDP-2.6.1.0-129的Hadoop环境
1.Spark 1.6.3
2.Scala 2.10.6(可以使用2.11以后的 版本)
开发环境是IDEA 2017.2版本,使用sbt进行编译。
新建工程
使用IDEA进行工程创建在此不赘述,需要注意的是如果在创建工程时没有选择正确的scala版本,可以在项目内的build.sbt文件中修改为正确的scala版本
依赖配置
sbt需要配置的依赖较为简单,我们这一次编写的demo是一个计算Pi的近似值的spark软件,所以只需要添加本地与Spark Yarn通信的依赖name := "SparkDemo_2_10_6"
version := "0.1"
scalaVersion := "2.10.6"
name := "SparkXScalaDemo"
libraryDependencies ++= Seq(
"org.apache.spark" % "spark-yarn_2.10" % "1.6.3"
)
如上面所示,在libraryDependencies里添加spark-yarn_2.10依赖,如果你的scala版本是2.11则应该添加spark-yarn_2.11
注意spark-core依赖已经被集成进入yarn依赖中,无需再添加
代码设置
联系Yarn集群需要你提供你的HDP集群的配置,所以去Ambari下把服务器的配置文件下载下来
然后需要将这些配置文件放进一个Source或者Res文件夹,注意要去Project Structure中进行设置
完成了这些就能保证IDEA能够正常与Spark集群通信
然后是代码编写,我们的示例代码如下import org.apache.spark.{SparkConf, SparkContext}
import scala.math.random
object SparkPi{
def main(args:Array[String]){
val conf = new SparkConf().setAppName("Spark Pi")
System.setProperty("hadoop.home.dir","C:\\Users\\sha0w\\hadoop-bin")
System.setProperty("HADOOP_USER_NAME", "hdfs")
conf.setMaster("yarn-client").setAppName("SparkPi")
conf.setJars(List("C:\\Users\\sha0w\\IdeaProjects\\SparkDemo_2_10_6\\target\\scala-2.10\\sparkxscalademo_2.10-0.1.jar"))
conf.set("spark.yarn.preserve.staging.files","false")
conf.set("spark.yarn.jar", "hdfs://yourID:port/apps/spark/spark-assembly-1.6.3.2.6.1.0-129-hadoop2.7.3.2.6.1.0-129.jar") //这部分需要指定对应的assembly包在HDFS内的地址,类似于Kylin使用Spark引擎的设置,这个包可以在/usr/hdp/current/spark-client/lib中找到
conf.set("HDP_VERSION","2.6.1.0-129")
conf.set("spark.yarn.dist.files", "yarn-site.xml")
conf.set("yarn.resourcemanager.hostname", "packone168")
val spark =new SparkContext(conf)
val slices = if(args.length > 0) args(0).toInt else 2
val n = 100000 * slices
val count = spark.parallelize(1 to n, slices).map { i =>
val x = random * 2 - 1
val y = random * 2 - 1
if(x*x + y*y <1) 1 else 0
}.reduce(_ + _)
println("Pi is roughly "+ 4.0 * count / n)
spark.stop()
}
}
这些配置我是尽可能详细地配置,有心人可以尝试减少一些看能不能使用,关键是conf.setMaster("yarn-client")设置为集群链接模式
小问题17/08/26 11:42:49 INFO client.RMProxy: Connecting to ResourceManager at packone168/10.0.86.168:8050
17/08/26 11:43:09 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 0 time(s); maxRetries=45
17/08/26 11:43:29 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 1 time(s); maxRetries=45
17/08/26 11:43:49 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 2 time(s); maxRetries=45
17/08/26 11:44:09 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 3 time(s); maxRetries=45
17/08/26 11:44:29 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 4 time(s); maxRetries=45
可能是因为我是用手机热点测试的,等下周一上班拿内网测试一下链接。
结语
发现网上讲这个远程调试的都是stand alone模式,我又比较怕麻烦,所以这是我自己摸索出来的连接Client的设置方法,希望大家多多指教。
点赞 (0)赏分享 (0)