Spark运行模式之Standalone模式详解

Standalone模式

概述

构建一个由Master+Slave构成的Spark集群，Spark运行在集群中

安装使用

1. 进入spark安装目录下的conf文件夹

[liujh@hadoop102 module]$ cd spark/conf/

2. 修改配置文件名称

[liujh@hadoop102 conf]$ mv slaves.template slaves
[liujh@hadoop102 conf]$ mv spark-env.sh.template spark-env.sh

3. 修改slave文件，添加work节点：

[liujh@hadoop102 conf]$ vim slaves
hadoop102
hadoop103
hadoop104

4. 修改spark-env.sh文件，添加如下配置：

[liujh@hadoop102 conf]$ vim spark-env.sh
SPARK_MASTER_HOST=hadoop102
SPARK_MASTER_PORT=7077

5. 分发spark包

[liujh@hadoop102 module]$ xsync spark/

6. 启动

[liujh@hadoop102 spark]$ sbin/start-all.sh
[liujh@hadoop102 spark]$ util.sh 
================liujh@hadoop102================
3330 Jps
3238 Worker
3163 Master
================liujh@hadoop103================
2966 Jps
2908 Worker
================liujh@hadoop104================
2978 Worker
3036 Jps

网页查看：hadoop102:8080
注意：如果遇到 “JAVA_HOME not set” 异常，可以在sbin目录下的spark-config.sh 文件中加入如下配置：

export JAVA_HOME=XXXX

7. 官方求PI案例

[liujh@hadoop102 spark]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
--executor-memory 1G \
--total-executor-cores 2 \
./examples/jars/spark-examples_2.11-2.1.1.jar \
100

8. 启动spark shell

/opt/module/spark/bin/spark-shell \
--master spark://hadoop102:7077 \
--executor-memory 1g \
--total-executor-cores 2

参数：–master spark://hadoop102:7077指定要连接的集群的master
执行WordCount程序

scala>sc.textFile("input").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect
res0: Array[(String, Int)] = Array((hadoop,6), (oozie,3), (spark,3), (hive,3), (liujh,3), (hbase,6))

JobHistoryServer配置

1. 修改spark-default.conf.template名称

[liujh@hadoop102 conf]$ mv spark-defaults.conf.template spark-defaults.conf

2. 修改spark-default.conf文件，开启Log：

[liujh@hadoop102 conf]$ vi spark-defaults.conf
spark.eventLog.enabled           true
spark.eventLog.dir               hdfs://hadoop102:9000/directory
注意：HDFS上的目录需要提前存在。
[liujh@hadoop102 hadoop]$ hadoop fs –mkdir /directory

3. 修改spark-env.sh文件，添加如下配置：

[liujh@hadoop102 conf]$ vi spark-env.sh
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 
-Dspark.history.retainedApplications=30 
-Dspark.history.fs.logDirectory=hdfs://hadoop102:9000/directory"

参数描述：
spark.eventLog.dir：Application在运行过程中所有的信息均记录在该属性指定的路径下；
spark.history.ui.port=18080 WEBUI访问的端口号为18080
spark.history.fs.logDirectory=hdfs://hadoop102:9000/directory 配置了该属性后，在start-history-server.sh时就无需再显式的指定路径，Spark History Server页面只展示该指定路径下的信息
spark.history.retainedApplications=30指定保存Application历史记录的个数，如果超过这个值，旧的应用程序信息将被删除，这个是内存中的应用数，而不是页面上显示的应用数。

4. 分发配置文件

[liujh@hadoop102 conf]$ xsync spark-defaults.conf
[liujh@hadoop102 conf]$ xsync spark-env.sh

5. 启动历史服务

[liujh@hadoop102 spark]$ sbin/start-history-server.sh

6. 再次执行任务

[liujh@hadoop102 spark]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
--executor-memory 1G \
--total-executor-cores 2 \
./examples/jars/spark-examples_2.11-2.1.1.jar \
100

7. 查看历史服务
   hadoop102:18080

HA配置

1. zookeeper正常安装并启动
2. 修改spark-env.sh文件添加如下配置：

[liujh@hadoop102 conf]$ vi spark-env.sh
注释掉如下内容：
#SPARK_MASTER_HOST=hadoop102
#SPARK_MASTER_PORT=7077
添加上如下内容：
export SPARK_DAEMON_JAVA_OPTS="
-Dspark.deploy.recoveryMode=ZOOKEEPER 
-Dspark.deploy.zookeeper.url=hadoop102,hadoop103,hadoop104 
-Dspark.deploy.zookeeper.dir=/spark"

3. 分发配置文件

[liujh@hadoop102 conf]$ xsync spark-env.sh

4. 在hadoop102上启动全部节点

[liujh@hadoop102 spark]$ sbin/start-all.sh

5. 在hadoop103上单独启动master节点

[liujh@hadoop103 spark]$ sbin/start-master.sh

6. spark HA集群访问

/opt/module/spark/bin/spark-shell \
--master spark://hadoop102:7077,hadoop103:7077 \
--executor-memory 2g \
--total-executor-cores 2

简书：https://www.jianshu.com/u/0278602aea1d
CSDN：https://blog.csdn.net/u012387141