Spark运行standalone集群模式

spark的集群主要有三种运行模式standalone、yarn、mesos，其中常被使用的是standalone和yarn，本文了解一下什么是standalone运行模式，并尝试搭建一个standalone集群

一、standalone模式

standalone模式，是spark自己实现的，它是一个资源调度框架。这里我们要关注这个框架的三个节点：

client
master
worker

spark应用程序有一个Driver驱动，Driver可以运行在Client上也可以运行在master上。如果你使用spark-shell去提交job的话它会是运行在master上的，如果你使用spark-submit或者IDEA开发工具方式运行，那么它是运行在Client上的。这样我们知道了，Client的主体作用就是运行Driver。而master除了资源调度的作用还可以运行Driver。

再关注master和worker节点，standalone是一个主从模式，master节点负责资源管理，worker节点负责任务的执行。

standalone的是spark默认的运行模式，它的运行流程主要就是把程序代码解析成dag结构，并再细分到各个task提交给executor线程池去并行计算

二、运行流程

了解standalone主要节点之后，我们看一下它的运行流程，如图：

1）当spark集群启动以后，worker节点会有一个心跳机制和master保持通信；

2）SparkContext连接到master以后会向master申请资源，而master会根据worker心跳来分配worker的资源，并启动worker的executor进程；

3）SparkContext将程序代码解析成dag结构，并提交给DagScheduler；

4）dag会在DagScheduler中分解成很多stage，每个stage包含着多个task；

5）stage会被提交给TaskScheduler，而TaskScheduler会将task分配到worker，提交给executor进程，executor进程会创建线程池去执行task，并且向SparkContext报告执行情况，直到task完成；

6）所有task完成以后，SparkContext向Master注销并释放资源；

三、standalone集群搭建

3.0、准备条件

机器（默认配置好了主机名、映射和免密登录）

hostname	系统版本
master	CentOS7.6
slave1	CentOS7.6
slave2	CentOS7.6

3.1、sbin/spark-config.sh

在spark-config.sh文件中配置JAVAHOME

vi spark-config.sh
添加内容export JAVA_HOME=/usr/local/apps/java/jdk1.8

3.2、conf/spark-env.sh

cp spark-env.sh.template spark-env.sh
vi spark-env.sh
添加以下内容

export JAVA_HOME=/usr/local/apps/java/jdk1.8
export SCALA_HOME=/usr/local/apps/scala/scala-2.12.2
export SPARK_MASTER_HOST=master
export SPARK_WORKER_MEMORY=25g
export SPARK_WORKER_CORES=34
export SPARK_LOCAL_IP=127.0.0.1
export SPARK_MASTER_PORT=7077
export SPARK_LOCAL_IP=master