spark杂记

1.spark可以采用注册的方式将类序列化,在spark程序中,如果使用的第三方jar包的class没有序列化,可以用写一个MyRegistretor类,继承KryoRegistretor,重写其中的registerClass方法,将需要注册的类写入:

class HbaseRegistrator extends KryoRegistrator {
  override def registerClasses(kryo: Kryo) {
    kryo.register(classOf[org.apache.hadoop.hbase.io.ImmutableBytesWritable])
    kryo.register(classOf[org.apache.hadoop.hbase.client.Result])
  }
}

2.官网介绍的序列化方法：

http://spark.apache.org/docs/latest/tuning.html

val conf = new SparkConf().setMaster(...).setAppName(...)
conf.registerKryoClasses(Array(classOf[MyClass1], classOf[MyClass2]))
val sc = new SparkContext(conf)

---

spark参数优先度(顺序代表优先度高低)：

1.通过类SparkContext设置的参数。

2.使用 spark-submit or spark-shell的时候，设置在执行脚本的时候的参数，例如

./bin/spark-submit --class my.main.Class \
    --master yarn-cluster \
    --jars my-other-jar.jar,my-other-other-jar.jar
    my-main-jar.jar
    app_arg1 app_arg2

这类在spark-submit中的参数。

3.设置在 spark-defaults.conf中的参数，个别运行参数设置在spark-env.sh

---

spark源码中文件：

./docs/_layouts/global.html中有详细的参数说明，这个文件要用ie打开