Spark安装

1 Spark安装地址

运行环境:CentOS 6.8 Hadoop 2.7.2JDK 1.8Scala 2.11.8Spark 2.1.1
集群以3台机器模拟:hadoop202 hadoop203 hadoop204

1．官网地址
http://spark.apache.org/
2．文档查看地址
https://spark.apache.org/docs/2.1.1/
3．下载地址
https://spark.apache.org/downloads.html
2 运行模式
2.1 Local模式

Local模式就是运行在一台计算机上的模式,通常就是用于在本机上练手和测试.他可以通过以下几种方式设置Master.

local:所有计算都运行在一个线程中,没有任何并行计算,通常我们在本机执行一些测试代码,或者练手,就用这种模式;
local[K]:指定使用的线程数来运行计算,比如local[4]就是运行4个Worker线程.通常我们的CPU有几个core就指定几个线程,最大化利用CPU的计算能力;
local[*]:这种模式直接默认按CPU最多cores来设置线程数.

2.1.1 安装使用

1）上传并解压spark安装包

[root@hadoop202 sorfware]$ tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz -C /opt/module/
[root@hadoop202 module]$ mv spark-2.1.1-bin-hadoop2.7 spark

2）官方求PI案例

[root@hadoop202 spark]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--executor-memory 1G \
--total-executor-cores 2 \
./examples/jars/spark-examples_2.11-2.1.1.jar \
100

（1）基本语法

bin/spark-submit \
--class <main-class>
--master <master-url> \
--deploy-mode <deploy-mode> \
--conf <key>=<value> \
... # other options
<application-jar> \
[application-arguments]

（2）参数说明：

--master 指定Master的地址，默认为Local
--class: 你的应用的启动类 (如 org.apache.spark.examples.SparkPi)
--deploy-mode: 是否发布你的驱动到worker节点(cluster) 或者作为一个本地客户端 (client) (default: client)*
--conf: 任意的Spark配置属性， 格式key=value. 如果值包含空格，可以加引号“key=value” 
application-jar: 打包好的应用jar,包含依赖. 这个URL在集群中全局可见。 比如hdfs:// 共享存储系统， 如果是 file:// path， 那么所有的节点的path都包含同样的jar
application-arguments: 传给main()方法的参数
--executor-memory 1G 指定每个executor可用内存为1G
--total-executor-cores 2 指定每个executor使用的cup核数为2个

3）结果展示
该算法是利用蒙特·卡罗算法求PI
title
4）准备文件

[root@hadoop202 spark]$ mkdir input

在input文件中输入内容用于单词统计
5）启动spark-shell

[root@hadoop202 spark]$ bin/spark-shell
Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
18/09/29 08:50:52 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
18/09/29 08:50:58 WARN ObjectStore: Failed to get database global_temp, returning NoSuchObjectException
Spark context Web UI available at http://192.168.9.102:4040
Spark context available as 'sc' (master = local[*], app id = local-1538182253312).
Spark session available as 'spark'.
Welcome to____              __/ __/__  ___ _____/ /___\ \/ _ \/ _ `/ __/  '_//___/ .__/\_,_/_/ /_/\_\   version 2.1.1/_/
Using Scala version 2.11.8 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_144)
Type in expressions to have them evaluated.
Type :help for more information.
scala>

开启另一个CRD窗口

[root@hadoop202 spark]$ jps
3627 SparkSubmit
4047 Jps

6）运行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), (atguigu,3), (hbase,6))
scala>

可登录hadoop102:4040查看程序运行
title
2.1.2 提交流程

1）提交任务分析：
title
Driver（驱动器）
Spark的驱动器是执行开发程序中的main方法的进程。它负责开发人员编写的用来创建SparkContext、创建RDD，以及进行RDD的转化操作和行动操作代码的执行。如果你是用spark shell，那么当你启动Spark shell的时候，系统后台自启了一个Spark驱动器程序，就是在Spark shell中预加载的一个叫作 sc的SparkContext对象。如果驱动器程序终止，那么Spark应用也就结束了。主要负责：

1）把用户程序转为任务
2）跟踪Executor的运行状况
3）为执行器节点调度任务
4）UI展示应用运行状况

Executor（执行器）
Spark Executor是一个工作进程，负责在 Spark 作业中运行任务，任务间相互独立。Spark 应用启动时，Executor节点被同时启动，并且始终伴随着整个 Spark 应用的生命周期而存在。如果有Executor节点发生了故障或崩溃，Spark 应用也可以继续执行，会将出错节点上的任务调度到其他Executor节点上继续运行。主要负责：

1）负责运行组成 Spark 应用的任务，并将结果返回给驱动器进程；
2）通过自身的块管理器（Block Manager）为用户程序中要求缓存的RDD提供内存式存储。RDD是直接缓存在Executor进程内的，因此任务可以在运行时充分利用缓存数据加速运算。

2.1.3 数据流程

textFile("input")：读取本地文件input文件夹数据；
flatMap(_.split(" "))：压平操作，按照空格分割符将一行数据映射成一个个单词；
map((_,1))：对每一个元素操作，将单词映射为元组；
reduceByKey(_+_)：按照key将值进行聚合，相加；
collect：将数据收集到Driver端展示。

title
2.2 Standalone模式
2.2.1 概述

构建一个由Master+Slave构成的Spark集群，Spark运行在集群中。
title
2.2.2 安装使用

1）进入spark安装目录下的conf文件夹

[root@hadoop202 module]$ cd spark/conf/

2）修改配置文件名称

[root@hadoop202 conf]$ mv slaves.template slaves
[root@hadoop202 conf]$ mv spark-env.sh.template spark-env.sh

3）修改slave文件，添加work节点：

[root@hadoop202 conf]$ vim slaves
hadoop202
hadoop203
hadoop204

4）修改spark-env.sh文件，添加如下配置：

[root@hadoop202 conf]$ vim spark-env.sh
SPARK_MASTER_HOST=hadoop202
SPARK_MASTER_PORT=7077

5）分发spark包

[root@hadoop202 module]$ xsync spark/

6）启动

[root@hadoop202 spark]$ sbin/start-all.sh
[root@hadoop202 spark]$ xcall jps 
================root@hadoop202================
3330 Jps
3238 Worker
3163 Master
================root@hadoop203================
2966 Jps
2908 Worker
================root@hadoop204================
2978 Worker
3036 Jps

网页查看：hadoop202:8080
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

[root@hadoop202 spark]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop202:7077 \
--executor-memory 1G \
--total-executor-cores 2 \
./examples/jars/spark-examples_2.11-2.1.1.jar \
100

title
8）启动spark shell

/opt/module/spark/bin/spark-shell \
--master spark://hadoop202:7077 \
--executor-memory 1g \
--total-executor-cores 2

参数：--master spark://hadoop202:7077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), (atguigu,3), (hbase,6))
scala>

2.2.3 JobHistoryServer配置

1）修改spark-default.conf.template名称

[root@hadoop202 conf]$ mv spark-defaults.conf.template spark-defaults.conf

2）修改spark-default.conf文件，开启Log：

[root@hadoop202 conf]$ vi spark-defaults.conf
spark.eventLog.enabled           true
spark.eventLog.dir               hdfs://hadoop202:9000/directory

注意：HDFS上的目录需要提前存在。

3）修改spark-env.sh文件，添加如下配置：

[root@hadoop202 conf]$ vi spark-env.sh
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 
-Dspark.history.retainedApplications=30 
-Dspark.history.fs.logDirectory=hdfs://hadoop202:9000/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://hadoop202:9000/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

[root@hadoop202 conf]$ xsync spark-defaults.conf
[root@hadoop202 conf]$ xsync spark-env.sh

5）启动历史服务

[root@hadoop202 spark]$ sbin/start-history-server.sh

6）再次执行任务

[root@hadoop202 spark]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop202:7077 \
--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
hadoop202:18080
2.2.4 HA配置

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

[root@hadoop202 conf]$ vi spark-env.sh

注释掉如下内容：

#SPARK_MASTER_HOST=hadoop202
#SPARK_MASTER_PORT=7077

添加上如下内容：

export SPARK_DAEMON_JAVA_OPTS="
-Dspark.deploy.recoveryMode=ZOOKEEPER 
-Dspark.deploy.zookeeper.url=hadoop202,hadoop103,hadoop104 
-Dspark.deploy.zookeeper.dir=/spark"

3）分发配置文件

[root@hadoop202 conf]$ xsync spark-env.sh

4）在hadoop202上启动全部节点

[root@hadoop202 spark]$ sbin/start-all.sh

5）在hadoop103上单独启动master节点

[root@hadoop203 spark]$ sbin/start-master.sh

6）spark HA集群访问

/opt/module/spark/bin/spark-shell \
--master spark://hadoop202:7077,hadoop103:7077 \
--executor-memory 2g \
--total-executor-cores 2

2.3 Yarn模式
2.3.1 概述

Spark客户端直接连接Yarn，不需要额外构建Spark集群。有yarn-client和yarn-cluster两种模式，主要区别在于：Driver程序的运行节点。
yarn-client：Driver程序运行在客户端，适用于交互、调试，希望立即看到app的输出
yarn-cluster：Driver程序运行在由RM（ResourceManager）启动的AP（APPMaster）适用于生产环境。
title
2.3.2 安装使用

1）修改hadoop配置文件yarn-site.xml,添加如下内容：

[root@hadoop202 hadoop]$ vi yarn-site.xml<!--是否启动一个线程检查每个任务正使用的物理内存量，如果任务超出分配值，则直接将其杀掉，默认是true --><property><name>yarn.nodemanager.pmem-check-enabled</name><value>false</value></property><!--是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则直接将其杀掉，默认是true --><property><name>yarn.nodemanager.vmem-check-enabled</name><value>false</value></property>

2）修改spark-env.sh，添加如下配置：

[root@hadoop202 conf]$ vi spark-env.sh
YARN_CONF_DIR=/opt/module/hadoop-2.7.2/etc/hadoop

3）分发配置文件

[root@hadoop202 conf]$ xsync /opt/module/hadoop-2.7.2/etc/hadoop/yarn-site.xml
[root@hadoop202 conf]$ xsync spark-env.sh

4）执行一个程序

[root@hadoop202 spark]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode client \
./examples/jars/spark-examples_2.11-2.1.1.jar \
100

注意：在提交任务之前需启动HDFS以及YARN集群。

2.5.3 日志查看
1）修改配置文件spark-defaults.conf
添加如下内容：

spark.yarn.historyServer.address=hadoop202:18080
spark.history.ui.port=4000

2）重启spark历史服务

[root@hadoop202 spark]$ sbin/stop-history-server.sh 
stopping org.apache.spark.deploy.history.HistoryServer
[root@hadoop202 spark]$ sbin/start-history-server.sh 
starting org.apache.spark.deploy.history.HistoryServer, logging to /opt/module/spark/logs/spark-atguigu-org.apache.spark.deploy.history.HistoryServer-1-hadoop202.out

3）提交任务到Yarn执行

[root@hadoop202 spark]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode client \
./examples/jars/spark-examples_2.11-2.1.1.jar \
100

4）Web页面查看日志
hadoop203:8088/cluster
2.4 Mesos模式

Spark客户端直接连接Mesos；不需要额外构建Spark集群。国内应用比较少，更多的是运用yarn调度。
2.5 几种模式对比

title

转载于:https://www.cnblogs.com/CampNouBallBoy/p/10029098.html

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/464147.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

mysql开启慢查询日志及查询--windows

mysql开启慢查询日志及查询--windows

转载地址&#xff1a;http://blog.csdn.net/ljasdf123/article/details/9713523 MySQL慢查询配置 1. 慢查询有什么用? 它能记录下所有执行超过long_query_time时间的SQL语句, 帮你找到执行慢的SQL, 方便我们对这些SQL进行优化. 2. 如何开启慢查询? 首先我们先查看MYSQL服务器…
阅读更多...
如何成为“10倍效率”开发者

如何成为“10倍效率”开发者

导读&#xff1a;Brad Feld的一篇文章The Rise of Developeronomics中提到了“10倍效率的开发者&#xff08;10x developer&#xff09;”的概念&#xff08;伟大的开发者的效率往往比一般的开发者高很多&#xff0c;而不只是一点点&#xff09;&#xff0c;Adam Loving在读了之…
阅读更多...
当然可以不努力

当然可以不努力

我刚开始觉得他说的不对&#xff0c;现在越看越觉得他说的有道理。我们这一代人&#xff0c;太容易被别人影响&#xff0c;小的时候&#xff0c;觉得要赶上别人家的孩子&#xff0c;所以就努力读书&#xff0c;努力干家务。长大了一些&#xff0c;要用功的工作&#xff0c;用功…
阅读更多...
遇到问题了 .net项目发布到iis6，没有权限访问！？

遇到问题了 .net项目发布到iis6，没有权限访问！？

系统环境&#xff1a;windows2003 sp1 iis6 .net 2 framework已经允许了asp.net 2.0的支持在vs2005中把自己的web项目发布到iis6中的虚拟目录&#xff0c; 可是无法访问呀您无权查看该网页 您可能没有权限用您提供的凭据查看此目录或网页。 如果您确信能够查看该目录或网页&am…
阅读更多...
UNIX TCP回射服务器/客户端之使用epoll模型的服务器

UNIX TCP回射服务器/客户端之使用epoll模型的服务器

程序简介&#xff1a;这是一个运用epoll系列函数进行IO复用的服务器模型。它是目前UNIX与LINUX平台上效率最高&#xff0c;最受欢迎的IO复用传输模型。 其他的不说了&#xff0c;直接粘贴代码吧&#xff01; 服务器端&#xff1a; #include "my_unp.h" int main(v…
阅读更多...
枚举和结构

枚举和结构

1&#xff0e; 枚举 a) 枚举类型是一种特殊的值类型&#xff0c;它用于声明一组具有相同性质的常量&#xff0c; b) 声明枚举 在C#中使用关键字enum类声明枚举&#xff0c;其形式如下。 enum 枚举名 { List1value1, List2value2, List3value3, …. …
阅读更多...
_beginthreadex 一定要自己写 CloseHandle 可以不用 _endthreadex

_beginthreadex 一定要自己写 CloseHandle 可以不用 _endthreadex

_beginthreadex 一定要自己写 CloseHandle 可以不用 _endthreadex 天哪,好久不 写忘记了.一直记得线程的句柄只是 createthread 才需要关闭,可能是我用 AfxBeginThread 太多了. 以后直接这样好了 ::CloseHandle((HANDLE)_beginthreadex(NULL, 0,threadRun_client,(void *)tp, 0…
阅读更多...
嵌入式界的顶流开源项目，RetroPie 是怎么设计的？

嵌入式界的顶流开源项目，RetroPie 是怎么设计的？

RetroPie 是啥&#xff1f;一个用于将树梅派等板子转变为游戏机的开源项目。树梅派上运行 RetroPieGithub:https://github.com/RetroPie/RetroPie-Setup第一感觉&#xff0c;基于 Shell&#xff0c;有啥牛逼的。但仔细想想&#xff0c;一个简单的项目能获得 9.4K 的 Star&#…
阅读更多...
java线程池,信号量使用demo

java线程池,信号量使用demo

直接上代码 package org.jimmy.threadtest20181121;import java.util.concurrent.LinkedBlockingQueue; import java.util.concurrent.Semaphore; import java.util.concurrent.TimeUnit;public class TestThread20181128 {public Semaphore semaphore new Semaphore(2, true)…
阅读更多...
使用epoll+时间堆实现高性能定时器

使用epoll+时间堆实现高性能定时器

在开发Linux网络程序时&#xff0c;通常需要维护多个定时器&#xff0c;如维护客户端心跳时间、检查多个数据包的超时重传等。如果采用Linux的SIGALARM信号实现&#xff0c;则会带来较大的系统开销&#xff0c;且不便于管理。 本文在应用层实现了一个基于时间堆的高性能定时器&…
阅读更多...
Spring JDBC最佳实践(2)

Spring JDBC最佳实践(2)

2019独角兽企业重金招聘Python工程师标准>>> 使用DataSourceUtils进行Connection的管理 由上节代码可知&#xff0c;JdbcTemplate在获取Connection的时候&#xff0c;并不是直接调用DataSource的getConnection(),而是调用了如下的代码&#xff1a; Connection con …
阅读更多...
我所感受到的上海

我所感受到的上海

大家好&#xff0c;文章转自张老师的公众号&#xff0c;文章的我不是小编本人&#xff0c;小编现居深圳&#xff0c;刚接受了一场大雨的洗礼。前两天公众号抽奖的书籍已经发货&#xff0c;中奖的朋友们注意查收。当格蠹园里的大灰反复犹豫到底应该在哪里生产的时候&#xff0c;…
阅读更多...
时间操作（Java版）—获取给定日期N天后的日期

时间操作（Java版）—获取给定日期N天后的日期

版权声明&#xff1a;本文为博主原创文章。未经博主同意不得转载。https://blog.csdn.net/wangshuxuncom/article/details/34896777 获取给定日期N天后的日期import java.util.Calendar;public class Test {public static void main(String[] args) {System.out.println(new Te…
阅读更多...
设计模式学习笔记五——Prototype模式

设计模式学习笔记五——Prototype模式

动机&#xff1a;使用原型实例指定创建对象的种类&#xff0c;然后通过拷贝这些原型来创建新的对象。某些结构复杂对象面临着剧烈变化&#xff0c;但拥有比较稳定一致的接口&#xff0c;如何隔离出这些易变对象&#xff0c;使客户程序不随之改变&#xff1f;场景&#xff1a;Th…
阅读更多...
2011年最佳代码

2011年最佳代码

2019独角兽企业重金招聘Python工程师标准>>> 2011年最佳代码 try { if(you.bevieve(it) true || you.believe(it) false) { I.believe(it); } } catch(Exception ex) { throw new Exception("Its a miracle!"); } finally { it.justHappened(); } 转载于…
阅读更多...
使用Epoll 在 Linux 上开发高性能应用服务器

使用Epoll 在 Linux 上开发高性能应用服务器

epoll是Linux提供一种多路复用的技术&#xff0c;类似各个平台都支持的select&#xff0c;只是epoll在内核的实现做了更多地优化&#xff0c;可以支持比select更多的文件描述符&#xff0c;当然也支持 socket这种网络的文件描述符。Linux上的大并发的接入服务器&#xff0c;目前…
阅读更多...
昨晚两点睡

昨晚两点睡

深圳下雨两天&#xff0c;我们居家办公两天&#xff0c;不过奇怪的事情是&#xff0c;这两天我都到公司上班&#xff0c;昨天早上没有下雨&#xff0c;我想着应该要去公司&#xff0c;结果到了公司才知道原来今天可以居家办公。不过&#xff0c;在公司才有上班的感觉&#xff0…
阅读更多...
hashmap详解

hashmap详解

一.hashmap的数据结构 HashMap采取数组加链表的存储方式(哈希表)来实现。亦即数组&#xff08;散列桶&#xff09;中的每一个元素都是链表 二.hashmap的构造函数 HashMap()&#xff1a;构造一个具有默认初始容量 (16) 和默认加载因子 (0.75) 的空 HashMap。 HashMap(int initia…
阅读更多...
最近忙，三个字

最近忙，三个字

最近忙&#xff0c;三个字 转载于:https://www.cnblogs.com/Liunsh/archive/2007/06/13/782352.html
阅读更多...
书籍推荐-记这几年看的书

书籍推荐-记这几年看的书

这几年看了不少书&#xff0c;大部分是自掏腰包&#xff0c;看一本好书是享受&#xff0c;我很喜欢这种感觉。 这些是我这几年看书的一些心得&#xff0c;对于一些新手来说&#xff0c;可能有点帮助。 这几年一直在走技术路线&#xff0c;所以看的大部分都是技术方面的书籍&…
阅读更多...
最新文章

Copyright @ 2022~2023