Spark搭建 Standalone模式详细步骤

Standalone模式概述：

Standalone模式是Spark自带的一种集群模式（本地集群，不依赖与外部集群，比如Yarn），可以真实地在多个机器之间搭建Spark集群的环境。

Standalone是完整的Spark运行环境,其中: Master角色以Master进程存在, Worker角色以Worker进程存在 Driver和Executor运行于Worker进程内, 由Worker提供资源供给它们运行。

一、下载、解压、配置环境变量

1、下载spark-3.1.3安装包

      华为云镜像站下载：Index of apache-local/spark/spark-3.1.3

2、上传到linux环境中并解压

      tar -zxvf spark-3.1.3-bin-hadoop3.2.tgz  -C ../

3、修改用户权限（可选）

chown -R root:root  spark-3.1.3-bin-hadoop3.2.tgz

4、修改名称（可选，主要为了简洁好看）

mv spark-3.1.3-bin-hadoop3.2.tgz  ./spark-3.1.3

5、配置环境变量

vim /etc/profile

二、修改配置文件

1、进入conf目录

        cd conf/

2、复制spark-env.sh.template文件并改名，防止修改错误。

       cp spark-env.sh.template spark-env.sh

3、 编辑spark-env.sh文件增加以下配置（vim spark-env.sh）

export SPARK_MASTER_IP=master            #spark集群主节点
export SPARK_MASTER_PORT=7077        #spark集群主节点对应的端口号

export SPARK_WORKER_CORES=2          #核数，2个核可以同时执行2个task任务
export SPARK_WORKER_INSTANCES=1     #每个节点的worker进程
export SPARK_WORKER_MEMORY=2g      #分配的内存
export JAVA_HOME=/usr/local/soft/jdk1.8.0_171   #jdk路径

4、复制workers.template文件并改名

      cp workers.template workers

5、 编辑workers文件修改配置（vim workers）

6、复制到其它节点

scp -r spark-3.1.3 node1:`pwd`
scp -r spark-3.1.3 node2:`pwd`

三、启动

1、进入sbin目录下，启动集群，在master中执行

     ./sbin/start-all.sh    （不加./启动的是hadoop中的集群）

2、访问spark ui

   http://master:8080/

四、standalone的两种运行模式

1、standalone client模式  （本地）

日志在本地输出，一般用于上线前测试(bin/下执行)

测试：进入以下目录下执行

spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 --executor-memory 512m --total-executor-cores 1 spark-examples_2.12-3.1.3.jar 100

2、standalone cluster模式  （集群）

上线使用，不会再本地打印日志

spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 --executor-memory 512M --total-executor-cores 1 --deploy-mode cluster spark-examples_2.12-3.1.3.jar 100

五、java编写spark程序在Linux上运行

使用上述四中的两种模式

第一种：standalone client模式  

1、编写java程序

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object Demo17SparkStandaloneSubmit {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf()

    /**
     * 如果在linux集群中运行，这里就不需要设置setMaster
     */
//    conf.setMaster("local")
    val sparkContext = new SparkContext(conf)

    val linesRDD: RDD[String] = sparkContext.parallelize(List("java,hello,world", "hello,scala,spark", "java,hello,spark"))

    val wordRDD: RDD[String] = linesRDD.flatMap(_.split(","))
    val wordKVRDD: RDD[(String, Int)] = wordRDD.map((_, 1))
    val countRDD: RDD[(String, Int)] = wordKVRDD.reduceByKey(_ + _)

    countRDD.foreach(println)

    /**
     *  将项目打包放到spark集群中使用standalone模式运行
     * standalone client
     * spark-submit --class com.shujia.core.Demo17SparkStandaloneSubmit --master spark://master:7077 --executor-memory 512m --total-executor-cores 1 spark-1.0.jar 100
     *
     * standalone cluster
     * spark-submit --class com.shujia.core.Demo17SparkStandaloneSubmit --master spark://master:7077 --executor-memory 512m --total-executor-cores 1 --deploy-mode cluster spark-1.0.jar 100
     *
     */

  }

}

2、将java程序打成的jar包上传到linux上

3、执行以下命令

spark://master:7077 --executor-memory 512m --total-executor-cores 1 spark-1.0.jar 100

第二种：standalone cluster模式 

1、编写java程序

2、将java程序打成的jar包上传到linux上

3、因为是在集群中运行，所以要把jar包复制给node1、node2各一份，因为不清楚具体在哪个节点上运行

4、执行以下命令

spark-submit --class com.shujia.core.Demo17SparkStandaloneSubmit --master spark://master:7077 --executor-memory 512m --total-executor-cores 1 --deploy-mode cluster spark-1.0.jar 100