Spark基础学习笔记05:搭建Spark Standalone模式的集群
文章目录
- 零、本讲学习目标
- 一、Spark集群拓扑
- (一)集群拓扑
- (二)集群角色分配
- 二、搭建集群
- (一)私有云上创建三台虚拟机
- (二)利用SecureCRT登录三台虚拟机
- 1、登录master虚拟机
- 2、登录slave1虚拟机
- 3、登录slave2虚拟机
- (三)查看三台虚拟机主机名
- (四)配置三台虚拟机IP-主机名映射
- 1、配置master虚拟机IP-主机名映射
- 2、配置slave1虚拟机IP-主机名映射
- 3、配置slave2虚拟机IP-主机名映射
- (五)关闭与禁用防火墙
- 1、关闭与禁用master虚拟机的防火墙
- 2、关闭与禁用slave1虚拟机的防火墙
- 3、关闭与禁用slave2虚拟机的防火墙
- (六)关闭SeLinux安全机制
- 1、在master虚拟机上关闭SeLinux安全机制
- 2、在slave1虚拟机上关闭SeLinux安全机制
- 3、在slave2虚拟机上关闭SeLinux安全机制
- (七)设置三台虚拟机相互免密登录
- 1、master虚拟机免密登录master、slave1与slave2
- 2、slave1虚拟机免密登录master、slave1与slave2
- 3、slave2虚拟机免密登录master、slave1与slave2
- (八)在三台虚拟机上安装lrzsr
- 1、在master虚拟机上安装lrzsz
- 2、在slave1虚拟机上安装lrzsz
- 3、在slave2虚拟机上安装lrzsz
- (九)在三台虚拟机上安装配置JDK
- 1、在master虚拟机上安装配置JDK
- 2、将master虚拟机上安装的JDK以及环境配置文件分发到slave1虚拟机
- 3、将master虚拟机上安装的JDK以及环境配置文件分发到slave2虚拟机
- 三、配置完全分布式Hadoop
- (一)在master虚拟机上安装配置hadoop
- 1、上传hadoop安装包到/opt目录
- 2、将hadoop安装包解压到指定位置
- 3、配置hadoop环境变量
- 4、编辑hadoop环境配置文件 - hadoop-env.sh
- 5、编辑核心配置文件 - core-site.xml
- 6、编辑HDFS配置文件 - hdfs-site.xml
- 7、编辑MapReduce配置文件 - mapred-site.xml
- 8、编辑yarn配置文件 - yarn-site.xml
- 补充:大数据组件的老大和小弟
- 9、编辑slaves文件(定名分)
- (二)在slave1虚拟机上安装配置hadoop
- 1、将master虚拟机上的hadoop分发到slave1虚拟机
- 2、将master虚拟机上环境配置文件分发到slave1虚拟机
- 3、在slave1虚拟机上让环境配置生效
- (三)在slave2虚拟机上安装配置hadoop
- 1、将master虚拟机上的hadoop分发到slave2虚拟机
- 2、将master虚拟机上环境配置文件分发到slave2虚拟机
- 3、在slave2虚拟机上让环境配置生效
- (四)在master虚拟机上格式化名称节点
- (五)启动与关闭Hadoop集群
- 1、在master虚拟机上启动hadoop服务
- 2、查看hadoop集群的WebUI界面
- 3、停止hadoop服务
- 四、配置Spark Standalone模式的集群
- (一)在master主节点上安装配置Spark
- 1、上传spark安装包到master虚拟机
- 2、将spark安装包解压到master虚拟机指定目录
- 3、配置spark环境变量
- 4、编辑spark环境配置文件 - spark-env.sh
- 5、创建slaves文件,添加从节点
- (二)在slave1从节点上安装配置Spark
- 1、把master虚拟机上的spark安装目录分发给slave1虚拟机
- 2、将master虚拟机上环境变量配置文件分发到slave1虚拟机
- 3、在slave1虚拟机上让spark环境配置文件生效
- (三)在slave2从节点上安装配置Spark
- 1、把master虚拟机上的spark安装目录分发给slave2虚拟机
- 2、将master虚拟机上环境变量配置文件分发到slave2虚拟机
- 3、在slave2虚拟机上让spark环境配置文件生效
- 五、启动并使用Spark Standalone模式的集群
- (一)启动hadoop的dfs服务
- (二)启动Spark集群
- (三)访问Spark的WebUI
- (四)启动Scala版Spark Shell
- (五)提交Spark应用程序
- 1、提交语法格式
- 2、案例演示 - 提交Spark自带的求圆周率的程序
- 3、spark-submit常用参数
- (六)关闭Spark服务
零、本讲学习目标
- 搭建Spark Standalone模式的集群
- 能够启动Spark Standalone模式的集群
- 学会Spark应用程序的提交
Spark的两种集群运行模式:Spark Standalone模式和Spark On YARN模式。Standalone模式需要启动Spark集群,而Spark On YARN模式不需要启动Spark集群,只需要启动YARN集群即可。先来搭建Spark Standalone模式的集群。
一、Spark集群拓扑
(一)集群拓扑
(二)集群角色分配
- Spark Standalone模式的集群搭建需要在集群的每个节点都安装Spark,集群角色分配如下表所示。
节点 | -角色 |
---|---|
master | Master |
slave1 | Worker |
slave2 | Worker |
二、搭建集群
(一)私有云上创建三台虚拟机
- 创建配置过程,参看本博《 在私有云上创建与配置虚拟机》
(二)利用SecureCRT登录三台虚拟机
- 打开连接对话框
1、登录master虚拟机
- 单击连接对话框里的master,登录master虚拟机
- 参看本博《在CentOS7上安装vim编辑器》,在master虚拟机上安装
vim
编辑器 - 执行命令:
vi /etc/resolv.conf
,修改/etc/resolv.conf
文件
- 添加两个域名服务器
- 存盘退出
- 执行命令:
yum -y install vim
- 解决在《在私有云上创建与配置虚拟机》遗留的问题
- 现在我们通过
/etc/resolv.conf
文件添加了域名解析服务器,因此可以ping通域名了
2、登录slave1虚拟机
- 单击连接对话框里的slave1,登录slave1虚拟机
- 修改选项
- 单击【OK】按钮
- 执行命令:
vi /etc/resolv.conf
,添加域名解析服务器
- 存盘退出后,执行命令:
yum - install vim
,安装vim
编辑器
3、登录slave2虚拟机
- 单击连接对话框里的slave2,登录slave2虚拟机
- 仿照slave1虚拟机上的做法,修改选项,效果如下所示
- 配置域名解析服务器之后,安装vim编辑器
(三)查看三台虚拟机主机名
- 查看master虚拟机主机名
- 查看slave1虚拟机主机名
- 查看slave2虚拟机主机名
(四)配置三台虚拟机IP-主机名映射
192.168.1.103 master
192.168.1.104 slave1
192.168.1.105 slave2
1、配置master虚拟机IP-主机名映射
- 执行命令:
vim /etc/hosts
- 存盘退出
2、配置slave1虚拟机IP-主机名映射
- 执行命令:
vim /etc/hosts
- 存盘退出
3、配置slave2虚拟机IP-主机名映射
- 执行命令:
vim /etc/hosts
- 存盘退出
(五)关闭与禁用防火墙
- 关闭与禁用防火墙
systemctl stop firewalld.service # 关闭防火墙
systemctl disable firewalld.service # 禁用防火墙
- 查看防火墙状态
systemctl status firewalld.service
1、关闭与禁用master虚拟机的防火墙
2、关闭与禁用slave1虚拟机的防火墙
3、关闭与禁用slave2虚拟机的防火墙
(六)关闭SeLinux安全机制
/etc/sysconfig/selinux
文件里SELINUX=enforcing
,将enforcing
改成disable
,就可以关闭SeLinux安全机制
1、在master虚拟机上关闭SeLinux安全机制
- 执行命令:
vim /etc/sysconfig/selinux
- 存盘退出
2、在slave1虚拟机上关闭SeLinux安全机制
- 执行命令:
vim /etc/sysconfig/selinux
- 存盘退出
3、在slave2虚拟机上关闭SeLinux安全机制
- 执行命令:
vim /etc/sysconfig/selinux
- 存盘退出
(七)设置三台虚拟机相互免密登录
1、master虚拟机免密登录master、slave1与slave2
- 执行命令:
ssh-keygen
,生成密钥对
- 执行命令:
ssh-copy-id root@master
,将公钥拷贝到master
- 执行命令:
ssh-copy-id root@slave1
,将公钥拷贝到slave1
- 执行命令:
ssh-copy-id root@slave2
,将公钥拷贝到slave2
- 验证master是否可以免密登录master、slave1与slave2
2、slave1虚拟机免密登录master、slave1与slave2
- 执行命令:
ssh-keygen
,生成密钥对
- 执行命令:
ssh-copy-id root@master
,将公钥拷贝到master
- 执行命令:
ssh-copy-id root@slave1
,将公钥拷贝到slave1
- 执行命令:
ssh-copy-id root@slave2
,将公钥拷贝到slave2
- 验证slave1是否可以免密登录master、slave1与slave2
3、slave2虚拟机免密登录master、slave1与slave2
- 执行命令:
ssh-keygen
,生成密钥对
- 执行命令:
ssh-copy-id root@master
,将公钥拷贝到master
- 执行命令:
ssh-copy-id root@slave1
,将公钥拷贝到slave1
- 执行命令:
ssh-copy-id root@slave2
,将公钥拷贝到slave2
- 验证slave2是否可以免密登录master、slave1与slave2
(八)在三台虚拟机上安装lrzsr
1、在master虚拟机上安装lrzsz
- 执行命令:
yum -y install lrzsz
2、在slave1虚拟机上安装lrzsz
- 执行命令:
yum -y install lrzsz
3、在slave2虚拟机上安装lrzsz
- 执行命令:
yum -y install lrzsz
(九)在三台虚拟机上安装配置JDK
1、在master虚拟机上安装配置JDK
上传Java安装包到
/opt
目录
执行
tar -zxvf jdk-8u231-linux-x64.tar.gz -C /usr/local
,将Java安装包解压到/usr/local
执行命令:
ls /usr/local
,查看解压之后的jdk
执行命令:
vim /etc/profile
,配置环境变量
JAVA_HOME=/usr/local/jdk1.8.0_231
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
PATH=$JAVA_HOME/bin:$PATH
export JAVA_HOME PATH CLASSPATH
- 存盘退出,执行命令:
source /etc/profile
,让配置生效
- 查看JDK版本
- 编写一个Java程序 -
HelloWorld.java
- 存盘退出后,执行命令:
javac HelloWorld.java
,编译成字节码文件
- 执行命令:
java HelloWorld
2、将master虚拟机上安装的JDK以及环境配置文件分发到slave1虚拟机
- 执行命令:
scp -r $JAVA_HOME root@slave1:$JAVA_HOME
(-r recursive - 递归)
- 在slave1虚拟机上查看Java是否拷贝成功
- 在master虚拟机上,执行命令:
scp /etc/profile root@slave1:/etc/profile
,将环境配置文件分发到slave1虚拟机
- 在slave1虚拟机上,查看从master虚拟机拷贝过来的配置文件profile
- 存盘退出,执行命令:
source /etc/profile
,让配置生效
- 执行命令:
java -version
,查看JDK版本
3、将master虚拟机上安装的JDK以及环境配置文件分发到slave2虚拟机
- 执行命令:
scp -r $JAVA_HOME root@slave2:$JAVA_HOME
- 在slave2虚拟机上查看Java是否拷贝成功
- 在master虚拟机上,执行命令:
scp /etc/profile root@slave2:/etc/profile
- 在slave2虚拟机上,查看从master虚拟机拷贝过来的配置文件profile
- 存盘退出,执行命令:
source /etc/profile
,让配置生效
- 执行命令:
java -version
,查看JDK版本
三、配置完全分布式Hadoop
(一)在master虚拟机上安装配置hadoop
1、上传hadoop安装包到/opt目录
- 利用
rz
命令上传hadoop-2.7.1.tar.gz
2、将hadoop安装包解压到指定位置
- 执行命令:
tar -zxvf hadoop-2.7.1.tar.gz -C /usr/local
- 查看解压之后的hadoop目录(bin: 可执行文件;etc/hadoop: 配置目录;sbin: 启动关闭系统的命令)
3、配置hadoop环境变量
- 执行命令:
vim /etc/profile
JAVA_HOME=/usr/local/jdk1.8.0_231
HADOOP_HOME=/usr/local/hadoop-2.7.1
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
export JAVA_HOME HADOOP_HOME PATH CLASSPATH
- 存盘退出,执行命令:
source /etc/profile
,让配置生效
4、编辑hadoop环境配置文件 - hadoop-env.sh
- env: environment —— 环境
- 执行命令:
cd $HADOOP_HOME/etc/hadoop
,进入hadoop配置目录
- 执行命令:
vim hadoop-env.sh
export JAVA_HOME=/usr/local/jdk1.8.0_231
export HADOOP_HOME=/usr/local/hadoop-2.7.1
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
- 存盘退出后,执行命令
source hadoop-env.sh
,让配置生效
- 查看三个配置的三个环境变量
5、编辑核心配置文件 - core-site.xml
- 执行命令:
vim core-site.xml
<configuration><!--用来指定hdfs的老大--><property><name>fs.defaultFS</name><value>hdfs://master:9000</value></property><!--用来指定hadoop运行时产生文件的存放目录--><property><name>hadoop.tmp.dir</name><value>/usr/local/hadoop-2.7.1/tmp</value></property>
</configuration>
- 存盘退出
- 由于配置了IP地址主机名映射,因此可用
hdfs://master:9000
,否则必须用IP地址hdfs://192.168.1.103:9000
6、编辑HDFS配置文件 - hdfs-site.xml
- 执行命令:
vim hdfs-site.xml
<configuration><property><!--设置名称节点的目录--><name>dfs.namenode.name.dir</name><value>/usr/local/hadoop-2.7.1/tmp/namenode</value></property><property><!--设置数据节点的目录--><name>dfs.datanode.data.dir</name><value>/usr/local/hadoop-2.7.1/tmp/disk1, /usr/local/hadoo
p-2.7.1/tmp/disk2</value></property>
</configuration>
- 存盘退出
7、编辑MapReduce配置文件 - mapred-site.xml
基于模板生成配置文件,执行命令:
cp mapred-site.xml.template mapred-site.xml
执行命令:
vim mapred-site.xml
<configuration><property><!--配置MR资源调度框架YARN--><name>mapreduce.framework.name</name><value>yarn</value></property>
</configuration>
- 存盘退出
8、编辑yarn配置文件 - yarn-site.xml
- 执行命令:
vim yarn-site.xml
<configuration><property><!--配置资源管理器--><name>yarn.resourcemanager.hostname</name><value>master</value></property><property><!--配置节点管理器--><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property>
</configuration>
- 存盘退出
- 说明:在hadoop-3.0.0的配置中,
yarn.nodemanager.aux-services
项的默认值是“mapreduce.shuffle
”,但如果在hadoop-2.7 中继续使用这个值,NodeManager 会启动失败。
补充:大数据组件的老大和小弟
- 集群一般都采用主从架构:一个老大(备用老大)和多个小弟
组件 | 老大 | 小弟 |
---|---|---|
ZooKeeper | Leader | Follower |
Hadoop | NameNode (SecondaryNameNode) | DataNode |
YARN | ResourceManager | NodeManager |
HBase | HMaster | HRegionServer |
Spark | Master | Worker |
9、编辑slaves文件(定名分)
- 通过slaves文件定义从节点,有两个:slave1与slave2
- 执行命令:
vim slaves
- 存盘退出
(二)在slave1虚拟机上安装配置hadoop
1、将master虚拟机上的hadoop分发到slave1虚拟机
- 执行命令:
scp -r $HADOOP_HOME root@slave1:$HADOOP_HOME
2、将master虚拟机上环境配置文件分发到slave1虚拟机
- 执行命令:
scp /etc/profile root@slave1:/etc/profile
3、在slave1虚拟机上让环境配置生效
- 切换到slave1虚拟机,执行命令:
source /etc/profile
(三)在slave2虚拟机上安装配置hadoop
1、将master虚拟机上的hadoop分发到slave2虚拟机
- 执行命令:
scp -r $HADOOP_HOME root@slave2:$HADOOP_HOME
2、将master虚拟机上环境配置文件分发到slave2虚拟机
- 执行命令:
scp /etc/profile root@slave2:/etc/profile
3、在slave2虚拟机上让环境配置生效
- 切换到slave2虚拟机,执行命令:
source /etc/profile
(四)在master虚拟机上格式化名称节点
- 在master虚拟机上,执行命令:
hdfs namenode -format
- 看到
22/02/26 13:23:22 INFO common.Storage: Storage directory /usr/local/hadoop-2.7.1/tmp/namenode has been successfully formatted.
,表明名称节点格式化成功。
(五)启动与关闭Hadoop集群
1、在master虚拟机上启动hadoop服务
执行命令:
start-dfs.sh
,启动hdfs服务
一个名称节点(namenode)——老大,在master虚拟机上;两个数据节点(datanode)——小弟,在slave1与slave2虚拟机上。
辅助名称节点(secondarynamenode)的地址是
0.0.0.0
,这是默认的,当然可以修改,可以在hdfs-site.xml文件里配置辅助名称节点
<property><!--设置辅助名称节点--><name>dfs.namenode.secondary.http-address</name><value>master:50090</value>
</property>
存盘退出
再次启动hdfs服务
关闭之后,再执行命令:
start-dfs.sh
这样就是在master虚拟机(192.168.1.103)上启动辅助名称节点(secondarynamenode)
此时查看三个虚拟机的进程
执行命令:
start-yarn.sh
,启动YARN服务
启动了YARN守护进程;一个资源管理器(resourcemanager)在master虚拟机上,两个节点管理器(nodemanager)在slave1与slave2虚拟机上
执行命令
jps
查看master虚拟机的进程,只有NameNode、SecondaryNameNode和ResourceManager
查看slave1和slave2上的进程,只有NodeManager和DataNode
2、查看hadoop集群的WebUI界面
- 在hw_win7虚拟机浏览器访问
http://master:50070
- 不能通过主机名master加端口50070的方式,原因在于没有在hosts文件里IP与主机名的映射,现在可以访问
http://192.168.1.103:50070
- 修改hw_win7虚拟机上的
C:\Windows\System32\drivers\etc\hosts
文件
- 重启hadoop集群,访问
http://master:50070
- 查看数据节点信息
- 点开【Utilities】下拉菜单,选择【Browse the file system】
- 在HDFS上创建一个目录
BigData
,执行命令:hadoop fs -mkdir /BigData
- 在WebUI界面查看刚才创建的目录
3、停止hadoop服务
- 在master虚拟机上执行命令:
stop-all.sh
(相当于同时执行了stop-dfs.sh
与stop-yarn.sh
)
- 提示:
This script is Deprecated. Instead use stop-dfs.sh and stop-yarn.sh
,说明stop-all.sh
脚本已经被废弃掉了,让我们最好使用stop-dfs.sh
与stop-yarn.sh
。
四、配置Spark Standalone模式的集群
(一)在master主节点上安装配置Spark
1、上传spark安装包到master虚拟机
- 利用rz将hw_win7虚拟机上的spark安装包上传到master虚拟机/opt目录
2、将spark安装包解压到master虚拟机指定目录
- 执行命令:
tar -zxvf spark-2.4.4-bin-hadoop2.7.tgz -C /usr/local
3、配置spark环境变量
- 执行命令:
vim /etc/profile
JAVA_HOME=/usr/local/jdk1.8.0_231
HADOOP_HOME=/usr/local/hadoop-2.7.1
SPARK_HOME=/usr/local/spark-2.4.4-bin-hadoop2.7
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
export JAVA_HOME HADOOP_HOME SPARK_HOME PATH CLASSPATH
- 存盘退出后,执行命令:
source /etc/profile
,让配置生效
- 查看spark安装目录(
bin
、sbin
和conf
三个目录很重要)
4、编辑spark环境配置文件 - spark-env.sh
- 进入spark配置目录后,执行命令:
cp spark-env.sh.template spark-env.sh
与vim spark-env.sh
export JAVA_HOME=/usr/local/jdk1.8.0_231
export SPARK_MASTER_HOST=master
export SPARK_MASTER_PORT=7077
- JAVA_HOME:指定JAVA_HOME的路径。若集群中每个节点在/etc/profile文件中都配置了JAVA_HOME,则该选项可以省略,Spark集群启动时会自动读取。为了防止出错,建议此处将该选项配置上。
- SPARK_MASTER_HOST:指定集群主节点(Master)的主机名,此处为master。
- SPARK_MASTER_PORT:指定Master节点的访问端口,默认为7077。
- 存盘退出,执行命令:
source spark-env.sh
,让配置生效
5、创建slaves文件,添加从节点
- 执行命令:
vim slaves
- 添加两个从节点的主机名
- 存盘退出
(二)在slave1从节点上安装配置Spark
1、把master虚拟机上的spark安装目录分发给slave1虚拟机
- 执行命令:
scp -r $SPARK_HOME root@slave1:$SPARK_HOME
2、将master虚拟机上环境变量配置文件分发到slave1虚拟机
- 在master虚拟机上,执行命令:
scp /etc/profile root@slave1:/etc/profile
- 在slave1虚拟机上,执行命令:
source /etc/profile
3、在slave1虚拟机上让spark环境配置文件生效
- 执行命令:
source spark-env.sh
(三)在slave2从节点上安装配置Spark
1、把master虚拟机上的spark安装目录分发给slave2虚拟机
- 执行命令:
scp -r $SPARK_HOME root@slave2:$SPARK_HOME
2、将master虚拟机上环境变量配置文件分发到slave2虚拟机
- 在master虚拟机上,执行命令:
scp /etc/profile root@slave2:/etc/profile
- 在slave2虚拟机上,执行命令:
source /etc/profile
3、在slave2虚拟机上让spark环境配置文件生效
- 执行命令:
source spark-env.sh
五、启动并使用Spark Standalone模式的集群
- Spark standalone模式下使用的是Spark自带的资源调度框架,但是一般我们把数据保存在HDFS上,也就是用HDFS做数据的持久化,所以hadoop还是需要配置,但是可以只配置HDFS相关的,而Hadoop YARN不需要配置。启动Spark Standalone模式的集群,不需要启动YARN服务,因为Spark会使用自带的资源调度框架。
(一)启动hadoop的dfs服务
- 在master虚拟机上执行命令:
start-dfs.sh
(二)启动Spark集群
- 在master虚拟机上进入spark安装目录下的sbin子目录,执行命令:
./start-all.sh
查看start-all.sh的源码,其中有以下两条命令:
# Start Master
"${SPARK_HOME}/sbin"/start-master.sh
# Start Worker
s"${SPARK_HOME}/sbin"/start-slaves.sh
可以看到,当执行start-all.sh命令时,会分别执行start-master.sh命令启动Master,执行start-slaves.sh命令启动Worker。
注意,若
spark-evn.sh
中配置了SPARK_MASTER_HOST
属性,则必须在该属性指定的主机上启动Spark
集群,否则会启动不成功;若没有配置SPARK_MASTER_HOST
属性,则可以在任意节点上启动Spark
集群,当前执行启动命令的节点即为Master
节点。启动完毕后,分别在各节点执行
jps
命令,查看启动的Java
进程。若在master节点存在Master进程,slave1节点存在Worker进程,slave2节点存在Worker进程,则说明集群启动成功。查看master节点进程
查看slave1节点进程
查看slave2节点进程
(三)访问Spark的WebUI
- 在hw_win7虚拟机上,访问
http://master:8080
(四)启动Scala版Spark Shell
- 执行命令:
spark-shell --master spark://master:7077
- 在/opt目录里执行命令:
vim test.txt
- 在HDFS上创建park目录,将test.txt上传到HDFS的/park目录
- 在其它虚拟机上也可以查看到该文件
- 读取HDFS上的文件,创建RDD
- 查看第一行内容
(五)提交Spark应用程序
1、提交语法格式
- Spark提供了一个客户端应用程序提交工具spark-submit,使用该工具可以将编写好的Spark应用程序提交到Spark集群。
spark-submit的使用格式如下:$ bin/spark-submit [options] <app jar> [app options]
- options表示传递给spark-submit的控制参数;
- app jar表示提交的程序JAR包(或Python脚本文件)所在位置;
- app options表示jar程序需要传递的参数,例如main()方法中需要传递的参数。
2、案例演示 - 提交Spark自带的求圆周率的程序
启动Spark Standalone模式的集群
将Spark自带的求圆周率的程序提交到集群,进入Spark安装目录,执行命令
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://master:7077 \
./examples/jars/spark-examples_2.11-2.4.4.jar
- 上述命令中的–master参数指定了Master节点的连接地址。该参数根据不同的Spark集群模式,其取值也有所不同,常用取值如下表所示。
取值 | 描述 |
---|---|
spark://host:port | Standalone模式下的Master节点的连接地址,默认端口为7077 |
yarn | 连接到YARN集群。若YARN中没有指定ResourceManager的启动地址,则需要在ResourceManager所在的节点上进行应用程序的提交,否则将因找不到ResourceManager而提交失败 |
local | 运行本地模式,使用1个CPU核心 |
local [N] | 运行本地模式,使用N个CPU核心。例如,local[2]表示使用两个CPU核心运行程序 |
local[*] | 运行本地模式,尽可能使用最多的CPU核心 |
- 若不添加–master参数,则默认使用本地模式local[*]运行。
3、spark-submit常用参数
- 除了–master参数外,spark-submit还提供了一些控制资源使用和运行时环境的参数。在Spark安装目录中执行以下命令,列出所有可以使用的参数
- 在Standalone模式下,将Spark自带的求圆周率的程序提交到集群,并且设置Driver进程使用内存为512MB,每个Executor进程使用内存为1GB,每个Executor进程所使用的CPU核心数为2,提交方式为cluster(Driver进程运行在集群的工作节点中),执行命令如下:
bin/spark-submit \
--master spark://master:7077 \
--deploy-mode cluster \
--class org.apache.spark.examples.SparkPi \
--driver-memory 512m \
--executor-memory 1g \
--executor-cores 2 \
./examples/jars/spark-examples_2.11-2.4.4.jar
- 在Spark On YARN模式下,以同样的应用配置运行上述例子,只需将参数–master的值改为yarn即可,命令如下:
bin/spark-submit \
--master spark://master:7077 \
--deploy-mode yarn \
--class org.apache.spark.examples.SparkPi \
--driver-memory 512m \
--executor-memory 1g \
--executor-cores 2 \
./examples/jars/spark-examples_2.11-2.4.4.jar
- 注意Spark不同集群模式下应用程序的提交,提交命令主要是参数–master的取值不同,其他参数的取值一样。
(六)关闭Spark服务
- 在master节点执行命令:
stop-master.sh
与stop-slaves.sh
Spark基础学习笔记05:搭建Spark Standalone模式的集群相关推荐
- Spark基础学习笔记:搭建spark on yarn 集群
一.Spark On YARN架构 Spark On YARN模式遵循YARN的官方规范,YARN只负责资源的管理和调度,运行哪种应用程序由用户自己实现,因此可能在YARN上同时运行MapReduce ...
- Spark基础学习笔记05:搭建Spark Standalone集群
文章目录 零.本讲学习目标 一.Spark Standalone架构 (一)client提交方式 (二)cluster提交方式 二.Spark集群拓扑 (一)集群拓扑 (二)集群角色分配 三.搭建三节 ...
- Spark基础学习笔记22:Spark RDD案例分析
文章目录 零.本讲学习目标 一.案例分析:Spark RDD实现单词计数 (一)案例概述 (二)实现步骤 1.新建Maven管理的Spark项目 2.添加Scala和Spark依赖 3.创建WordC ...
- Spark基础学习笔记02:Spark运行时架构
文章目录 零.本讲学习目标 一.Spark运行时架构 二.YARN集群架构 (一)YARN集群主要组件 1.ResourceManager - 资源管理器 2.NodeManager - 节点管理器 ...
- 2022年Spark基础学习笔记目录
一.Spark学习笔记 在私有云上创建与配置虚拟机 Spark基础学习笔记01:初步了解Spark Spark基础学习笔记02:Spark运行时架构 Spark基础学习笔记03:搭建Spark单机版环 ...
- Spark基础学习笔记16:创建RDD
文章目录 零.本讲学习目标 一.RDD为何物 (一)RDD概念 (二)RDD示例 (三)RDD主要特征 二.做好准备工作 (一)准备文件 1.准备本地系统文件 2.准备HDFS系统文件 (二)启动Sp ...
- 2022年Spark基础学习笔记
一.Spark学习笔记 在OpenStack私有云上创建与配置虚拟机 Spark基础学习笔记01:初步了解Spark Spark基础学习笔记02:Spark运行时架构 Spark基础学习笔记03:搭建 ...
- Spark基础学习笔记06:搭建Spark On YARN模式的集群
文章目录 零.本讲学习目标 一.在Spark Standalone模式的集群基础上修改配置 二.运行Spark应用程序 (一)启动Hadoop的HDFS和YARN (二)运行Spark应用程序 (三) ...
- Spark基础学习笔记10:Scala集成开发环境
文章目录 零.本讲学习目标 一.搭建Scala的Eclipse开发环境 (一)安装Scala插件 (二)创建Scala项目 二.搭建Scala的IntelliJ IDEA开发环境 (一)启动IDEA ...
最新文章
- 通过评估假设行为来学习人类目标
- Python笔记6(异常)-20160924
- FPGA之道(46)数字电路中的隐患
- CTF大赛学习第一天!!!(学习中)
- printf 指针地址_数组指针和指针数组
- java 动态代理
- Kyligence 行业峰会成功举办,“智能数据云”引领数字化转型未来
- Exchange 2013SP1和O365混合部署系列二
- 关于设置安卓屏幕的显示方向
- anaconda新建环境_机器学习实战-开发环境安装
- Spring学习篇:AOP知识整理
- 四、基于TCP的服务器端/客户端
- ios中UIWebview和asiHttprequest的用法
- 提高智商、改善记忆力的120种绝佳方法!
- SpringBoot整合JPA(六)
- aws saa考试费用是多少?aws saa考试准备多久才能考试?
- 计算机里的声卡的主要作用,声卡是什么?他的主要作用有哪些?
- python图片裁剪
- 【转】欧盟物联网研究战略路线图(3)
- 项羽ol网站服务器,《项羽OL》今日开服 全新新服务器“巨鹿之战”开启
热门文章
- 这些都是当年在C/C++上折的地儿…
- 【华为云技术分享】云小课 | OBS提供多方面数据安全保障,让存储放心、贴心、省心
- 华为云ModelArts2.0来袭
- mysql 变量被引号括住_【已解决】mysql中操作表的字段名时是否一定要用反引号括起来...
- 字体感觉小了 引入的vant_动态字体海报如何设计与制作?
- ajax中tooltip,工具提示插件——tooltip
- control层alert弹出框乱码_【ArcGIS for JS】动态图层的属性查询(11)
- CygWin遇到WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED解决方法
- android引入开源项目方法,和解决android-support-v4.jar冲突问题
- 9_less中的层级结构