文章目录
| Master URL | Meaning |
|---|---|
local |
在本地运行，只有一个工作进程，无并行计算能力 |
local[K] |
在本地运行，有 K 个工作进程，通常设置 K 为机器的CPU 核心数量 |
local[*] |
在本地运行，工作进程数量等于机器的 CPU 核心数量 |
Spark://HOST:PORT |
以 Standalone 模式运行，这是 Spark 自身提供的集群运行模式，默认端口号: 7077 |
mesos://HOST:PORT |
在 Mesos 集群上运行，Driver 进程和 Worker 进程运行在 Mesos 集群上，部署模式必须使用固定值:–deploy-mode cluster |
yarn-client |
在 Yarn 集群上运行，Driver 进程在本地， Work 进程在 Yarn 集群上， 部署模式必须使用固定值:–deploy-modeclient。Yarn 集群地址必须在HADOOP_CONF_DIRorYARN_CONF_DIR 变量里定义 |
yarn-cluster效率比yarn-client高 |
在 Yarn 集群上运行，Driver 进程在 Yarn 集群上，Work 进程也在 Yarn 集群上，部署模式必须使用固定值:–deploy-mode cluster。Yarn 集群地址必须在HADOOP_CONF_DIRorYARN_CONF_DIR 变量里定义 |
1.本地运行模式 （单机）
spark-shell --master local
spark-submit \
--class org.apache.spark.examples.SparkPi \
--master local \
/usr/hdp/3.1.0.0-78/spark2/examples/jars/spark-examples_2.11-2.3.2.3.1.0.0-78.jar \
100
2.spark standalone模式【必须启动master和worker】
spark-shell --master spark://master:7077
提交任务：
spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://masterhd.bigdata:7077 \
--executor-memory 2G \# 指定每个worker可用内存为2G
--total-executor-cores 2 \# 指定整个集群使用的cup核数为2个
/usr/hdp/3.1.0.0-78/spark2/examples/jars/spark-examples_2.11-2.3.2.3.1.0.0-78.jar \
100
3.spark on yarn-client模式【一定别启动master和worker】
Ambari集群下，默认启动spark-shell是yarn模式
spark-shell
spark-shell --master yarn-client
提交任务：
spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn-client \
/usr/hdp/3.1.0.0-78/spark2/examples/jars/spark-examples_2.11-2.3.2.3.1.0.0-78.jar \
100
4.spark on yarn-cluster模式【一定别启动master和worker】
提交任务
spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn-cluster \
/usr/hdp/3.1.0.0-78/spark2/examples/jars/spark-examples_2.11-2.3.2.3.1.0.0-78.jar \
100
