Spark参数详解

spark-shell

spark-shell是Spark自带的交互式Shell程序，方便用户进行交互式编程，用户可以在该命令行下可以用scala编写spark程序，适合学习测试时使用！

●示例

spark-shell可以携带参数

spark-shell --master local[N] 数字N表示在本地模拟N个线程来运行当前任务

spark-shell --master local[*] *表示使用当前机器上所有可用的资源

默认不携带参数就是--master local[*]

spark-shell --master spark://node01:7077,node02:7077 表示运行在集群上

spark-submit

spark-submit命令用来提交jar包给spark集群/YARN

spark-shell交互式编程确实很方便我们进行学习测试，但是在实际中我们一般是使用IDEA开发Spark应用程序打成jar包交给Spark集群/YARN去执行。

spark-submit命令是我们开发时常用的!!!

 

示例：计算π

cd /export/servers/spark

/export/servers/spark/bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://node01:7077  \ --executor-memory 1g \ --total-executor-cores 2 \ /export/servers/spark/examples/jars/spark-examples_2.11-2.2.0.jar \ 10

参数总结

●Master参数形式

Master形式	解释
local	本地以一个worker线程运行(例如非并行的情况).
local[N]	本地以K worker 线程 (理想情况下, N设置为你机器的CPU核数).
local[*]	本地以本机同样核数的线程运行.
spark://HOST:PORT	连接到指定的Spark standalone cluster master. 端口是你的master集群配置的端口，缺省值为7077.
mesos://HOST:PORT	连接到指定的Mesos 集群. Port是你配置的mesos端口， 默认5050. 或者使用ZK,格式为 mesos://zk://....
yarn-client	以client模式连接到YARN cluster. 集群的位置基于HADOOP_CONF_DIR 变量找到.
yarn-cluster	以cluster模式连接到YARN cluster. 集群的位置基于HADOOP_CONF_DIR 变量找到.

 

其他参数示例

 

--master spark://node01:7077    指定 Master 的地址

--name "appName"                 指定程序运行的名称

--class                           程序的main方法所在的类

--jars  xx.jar                    程序额外使用的 jar 包

--driver-memory 512m             Driver运行所需要的内存, 默认1g

--executor-memory 2g             指定每个 executor 可用内存为 2g， 默认1g

--executor-cores 1               指定每一个 executor 可用的核数

--total-executor-cores 2         指定整个集群运行任务使用的 cup 核数为 2 个

 --queue default                指定任务的对列

--deploy-mode                   指定运行模式（client/cluster）

 

 

●注意：

如果 worker 节点的内存不足，那么在启动 spark-submit的时候，就不能为 executor分配超出 worker 可用的内存容量。

如果--executor-cores超过了每个 worker 可用的 cores，任务处于等待状态。

如果--total-executor-cores即使超过可用的 cores，默认使用所有的。以后当集群其他的资源释放之后，就会被该程序所使用。

如果内存或单个 executor 的 cores 不足，启动 spark-submit 就会报错，任务处于等待状态，不能正常执行。