spark運(yùn)行模式

Spark 有很多種模式，最簡單就是單機(jī)本地模式，還有單機(jī)偽分布式模式，復(fù)雜的則運(yùn)行在集群中，目前能很好的運(yùn)行在 Yarn和 Mesos 中，當(dāng)然 Spark 還有自帶的 Standalone 模式，對于大多數(shù)情況 Standalone 模式就足夠了，如果企業(yè)已經(jīng)有 Yarn 或者 Mesos 環(huán)境，也是很方便部署的。

1.local(本地模式)：常用于本地開發(fā)測試，本地還分為local單線程和local-cluster多線程;

2.standalone(集群模式)：典型的Mater/slave模式，不過也能看出Master是有單點(diǎn)故障的；Spark支持ZooKeeper來實(shí)現(xiàn) HA

3.on yarn(集群模式)： 運(yùn)行在 yarn 資源管理器框架之上，由 yarn 負(fù)責(zé)資源管理，Spark 負(fù)責(zé)任務(wù)調(diào)度和計(jì)算

4.on mesos(集群模式)： 運(yùn)行在 mesos 資源管理器框架之上，由 mesos 負(fù)責(zé)資源管理，Spark 負(fù)責(zé)任務(wù)調(diào)度和計(jì)算

5.on cloud(集群模式)：比如 AWS 的 EC2，使用這個(gè)模式能很方便的訪問 Amazon的 S3;Spark 支持多種分布式存儲系統(tǒng)：HDFS 和 S3

Spark Standalone集群部署

準(zhǔn)備工作

1.這里我下載的是Spark的編譯版本，否則需要事先自行編譯

2.Spark需要Hadoop的HDFS作為持久化層，所以在安裝Spark之前需要安裝Hadoop，這里Hadoop的安裝就不介紹了，給出一個(gè)教程hadoop 單機(jī)安裝配置教程

3.實(shí)現(xiàn)創(chuàng)建hadoop用戶，Hadoop、Spark等程序都在該用戶下進(jìn)行安裝

4.ssh無密碼登錄，Spark集群中各節(jié)點(diǎn)的通信需要通過ssh協(xié)議進(jìn)行，這需要事先進(jìn)行配置。通過在hadoop用戶的.ssh目錄下將其他用戶的id_rsa.pub公鑰文件內(nèi)容拷貝的本機(jī)的authorized_keys文件中，即可事先無登錄通信的功能

5.Java環(huán)境的安裝，同時(shí)將JAVA_HOME、CLASSPATH等環(huán)境變量放到主目錄的.bashrc，執(zhí)行source .bashrc使之生效

部署配置

這里配置工作需要以下幾個(gè)步驟：

1.解壓Spark二進(jìn)制壓縮包
2.配置conf/spark-env.sh文件
3.配置conf/slave文件

下面具體說明一下：

配置Spark的運(yùn)行環(huán)境，將spark-env.sh.template模板文件復(fù)制成spark-env.sh，然后填寫相應(yīng)需要的配置內(nèi)容：

export SPARK_MASTER_IP=hadoop1
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=1
export SPARK_WORDER_INSTANCES=1
export SPARK_WORKER_MEMORY=3g

其他選項(xiàng)內(nèi)容請參照下面的選項(xiàng)說明：

# Options for the daemons used in the standalone deploy mode:
# - SPARK_MASTER_IP, to bind the master to a different IP address or hostname
# - SPARK_MASTER_PORT / SPARK_MASTER_WEBUI_PORT, to use non-default ports for the master
# - SPARK_MASTER_OPTS, to set config properties only for the master (e.g. "-Dx=y")
# - SPARK_WORKER_CORES, to set the number of cores to use on this machine
# - SPARK_WORKER_MEMORY, to set how much total memory workers have to give executors (e.g. 1000m, 2g)
# - SPARK_WORKER_PORT / SPARK_WORKER_WEBUI_PORT, to use non-default ports for the worker
# - SPARK_WORKER_INSTANCES, to set the number of worker processes per node
# - SPARK_WORKER_DIR, to set the working directory of worker processes
# - SPARK_WORKER_OPTS, to set config properties only for the worker (e.g. "-Dx=y")
# - SPARK_HISTORY_OPTS, to set config properties only for the history server (e.g. "-Dx=y")

conf/slave文件用戶分布式節(jié)點(diǎn)的配置，這里只需要在slave文件中寫入該節(jié)點(diǎn)的主機(jī)名即可

將以上內(nèi)容都配置好了，將這個(gè)spark目錄拷貝到各個(gè)節(jié)點(diǎn)scp -r spark hadoop@hadoop2:~

接下來就可以啟動集群了，在Spark目錄中執(zhí)行sbin/start-all.sh，然后可以通過netstat -nat命令查看端口7077的進(jìn)程，還可以通過瀏覽器訪問hadoop1:8080了解集群的概況

Spark Client部署

Spark Client的作用是，事先搭建起Spark集群，然后再物理機(jī)上部署客戶端，然后通過該客戶端提交任務(wù)給Spark集群。
由于上面介紹了Standalone分布式集群是如何搭建的，這里只需將集群上的spark文件夾拷貝過來。

最簡單的Spark客戶端訪問集群的方式就是通過Spark shell的方式：bin/spark-shell --master spark://hadoop1:7077這樣就可以訪問集群了。

這樣在瀏覽器的Spark集群界面上就可以看到Running Applications一欄中有Spark shell的應(yīng)用在執(zhí)行。

Spark Standalone偽分布式部署

偽分布式是在一臺機(jī)器上進(jìn)行部署來模擬分布式的集群，這里部署的過程和Standalone集群的部署是類似的，事前的工作都是一樣的，這里只是在配置文件中做相應(yīng)的修改就可以了。

這里還是配置這兩個(gè)文件：

配置conf/spark-env.sh文件
配置conf/slave文件

修改spark-env.sh文件，修改master的ip，這里主機(jī)名和用戶ip分別在/etc/hostname和/etc/hosts文件中進(jìn)行配置

export SPARK_MASTER_IP=jason
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=1
export SPARK_WORDER_INSTANCES=1
export SPARK_WORKER_MEMORY=3g

slave文件中，填寫自己的主機(jī)名，比如我的主機(jī)名jason

總結(jié)

以上就是本文關(guān)于spark之Standalone模式部署配置詳解的全部內(nèi)容，感興趣的朋友可以繼續(xù)參閱：淺談七種常見的Hadoop和Spark項(xiàng)目案例、詳解Java編寫并運(yùn)行spark應(yīng)用程序的方法、Spark的廣播變量和累加器使用方法代碼示例等，希望對大家有所幫助。感謝各位對腳本之家網(wǎng)站的支持！

最新評論