spark on yarn配置

Posted 2021-12-16 一加六

在安装好spark后

1. 修改spark-env.sh 若没有 将模板文件改名为此名称

在spark安装目录下的conf找到spark-env.sh
添加HADOOP_HOME和HADOOP_CONF_DIR让其加载yarn-site.xml文件配置

2. 修改spark-defaults.conf

同在conf文件夹下找到spark-defaults.conf.template文件改名spark-defaults.conf
添加如下

然后将spark安装目录下的jars中的文件 put到hdfs上图所指定位置

hdfs dfs -put ./jars/* /spark/jars/

这样做的目的是spark运行时可以在hdfs加载需要的jar包，就像java连接数据库要用到java-connecter-mysql.jar。

3. spark on yarn 任务提交格式

#当前目录
#/export/servers/spark-2.2.3/
spark-submit \\
--class org.apache.spark.examples.SparkPi \\
--master yarn --deploy-mode client \\
--conf spark.driver.host=192.168.88.12 \\
examples/jars/spark-examples_2.11-2.2.3.jar 10

–class 是全限定类名
–master yarn 是指使用yarn管理
–deploy-mode client*cluster* client可以在提交任务的机器查看结果
cluster只能在yarn上看结果
–conf spark.driver.host=192.168.88.12 driver监听的主机名或者IP地址。就是提交任务机器的地址，这用于和executors以及独立的master通信接收结果
examples/jars/spark-examples_2.11-2.2.3.jar 运行的jar包
当我们测试一个demo如下图会为spark任务自动机器CPU、内存等资源

关于yarn-site.xml配置