Spark学习笔记--环境搭建

Posted 2022-01-27 幼儿园园草

文章目录

• 1 Local模式
• 2 Standalone模式
• • 2.1 上传软件
  • 2.2 修改配置文件
  • 2.3 启动集群
• 3 Yarn模式
• • 3.1 上传软件
  • 2.2 修改配置文件
  • 2.3 启动集群
• 4 对比

Spark部署模式主要有四种：Local模式（单机模式）、Standalone模式（使用Spark自带的简单集群管理器）、YARN模式（使用YARN作为集群管理器）和Mesos模式（使用Mesos作为集群管理器），甚至还可以在学习阶段使用Windows模式。

spark下载地址：http://spark.apache.org/downloads.html

1 Local模式

Spark的Local模式就是单机模式，没有进行任务的集群环境配置。仅仅将软件包进行解压就可以使用了，通常用于学习阶段。

解压 -> 切换目录 -> 重命名

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 spark-local

进入到spark-local目录，并打开local模式

cd spark-local/
bin/spark-shel

执行成功会出现spark的Logo标志

在/opt/module/spark-local/data目录下创建一个data.txt文件，里面随便写几行单词，每个单词用空格分开。在命令行中执行如下命令：

sc.textFile("data/word.txt").flatMap(_.split("  ")).map((_,1)).reduceByKey(_+_).collect

能够正确输出结果，表示单机模式可以正常使用。

这种模式很少使用，一般就是作为hello world使用的

2 Standalone模式

独立部署（Standalone）模式由 Spark 自身提供计算资源，无需其他框架提供资源。这种方式降低了和其他第三方资源框架的耦合性，独立性非常强。

2.1 上传软件

解压 -> 切换目录 -> 重命名

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 spark-standalone

2.2 修改配置文件

复制配置文件slaves.template，并添加work节点，以你的集群环境的hostname为准

cp slaves.template slaves

hadoop102
hadoop103
hadoop104

复制配置文件 spark-env.sh.template，并添加JDK信息和设置master节点的位置

mv spark-env.sh.template spark-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144
SPARK_MASTER_HOST=hadoop102
SPARK_MASTER_PORT=7077

把spark-standalone整个文件夹分发到集群其他节点

 xsync spark-standalone

2.3 启动集群

当看到主节点有Master和Worker两个进程，并且从节点有Worker进程表示启动成功

3 Yarn模式

3.1 上传软件

解压 -> 切换目录 -> 重命名

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 spark-yarn

2.2 修改配置文件

修改 hadoop 配置文件/opt/module/hadoop/etc/hadoop/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>

修改 conf/spark-env.sh，添加 JAVA_HOME 和 YARN_CONF_DIR 配置

export JAVA_HOME=/opt/module/jdk1.8.0_144
YARN_CONF_DIR=/opt/module/hadoop/etc/hadoop

2.3 启动集群

首先需要启动HDFS和YARN集群，然后在spark-yarn目录下执行命令

bin/spark-submit \\
--class org.apache.spark.examples.SparkPi \\
--master yarn \\
--deploy-mode cluster \\
./examples/jars/spark-examples_2.12-3.0.0.jar \\
10

可以正确输出以下内容表示环境搭建正确

打开hadoop的资源管理器可以看到任务的输出结果

4 对比

Standalone模式
与MapReduce1.0框架类似，Spark框架本身也自带了完整的资源调度管理服务，可以独立部署到一个集群中，而不需要依赖其他系统来为其提供资源管理调度服务。当采用 Standalone 模式时，在架构的设计上，Spark与MapReduce1.0完全一致，都是由一个Master和若干个Slave构成，并且以槽（Slot）作为资源分配单位。不同的是，Spark中的槽不再像MapReduce1.0那样分为Map 槽和Reduce槽，而是只设计了统一的一种槽提供给各种任务来使用。

Spark on YARN模式
Spark可运行于YARN之上，与Hadoop进行统一部署，即“Spark on YARN”，其架构如图3-15所示，资源管理和调度依赖YARN，分布式存储则依赖HDFS。

三种模式最常用的就是Yarn模式，依托于Hadoop的Yarn做任务调度，可以完美地兼容其它框架。此模式下不要在每台服务器安装spark，仅需要在其中一台服务器安装spark，在执行任务时，Yarn集群会将任务分发到所有集群的服务器上。