Spark 参数配置的几种方法

Posted 2020-11-18 itboys

1.Spark 属性
Spark应用程序的运行是通过外部参数来控制的，参数的设置正确与否，好与坏会直接影响应用程序的性能，也就影响我们整个集群的性能。参数控制有以下方式：
（1）直接设置在SparkConf，通过参数的形式传递给SparkContext，达到控制目的。（通过set()方法传入key-value对）比如：

val conf = new SparkConf()
  　　　　.setMaster(”local[2]“) #注意1
  　　　　.setAppName(”test“)
  　　　　.set("spark.cores.max", "10")  ######set()方法传入属性参数
val sc = new SparkContext(conf)

  #注意1 本地开启2个线程来工作，注意了，本地工作方式除了集合生成RDD、读取本地文件和hdfs文件能开启一个线程就可以工作外，其他情况都开启至少两条线程才能正常工作。这是由于除以上情况，Spark会开启一个reciver来接受数据，若只有一条线程，reciver就占用唯一线程的资源，而数据处理等操作将没有资源可执行。

（2）动态加载Spark属性。为了应用程序名字和集群方式等属性不硬编码，灵活应用。可以这样处理：val sc = new SparkContext(new SparkConf())。通过 spark-submit 时添加必要的参数。如：

./bin/spark-submit --name "My app" --master local[4] --conf spark.eventLog.enabled=false
          --conf "spark.executor.extraJavaOptions=-XX:+PrintGCDetails -XX:+PrintGCTimeStamps" myApp.jar

  方法是：通过 --conf 标志，并在后面以key-value对的形式传入属性参数。

（3）在conf/spark-defaults.conf 定义必要的属性参数，Spark在启动时，SparkContext会自动加载此配置文件的属性。定义方式是：

 spark.master            spark://master:7077
 spark.executor.memory   4g
 spark.eventLog.enabled  true
 spark.serializer        org.apache.spark.serializer.KryoSerializer    #这里选用此序列化方法，是因为Java自带序列化方法性能一般，在此优化优化。

一切外部传给Spark应用程序的属性参数，最终与SparkConf里定义的值结合。Spark加载属性参数的优先顺序是：
    （1）直接在SparkConf设置的属性参数
    （2）通过 spark-submit 或 spark-shell 方式传递的属性参数
    （3）最后加载 spark-defaults.conf 配置文件的属性参数
当然了，既然有优先顺序之分，也就是说优先级高的会覆盖优先级低的参数。

2.查看应用程序的属性参数
    http://<driver>:4040 
此UI界面将会列出了Spark的属性，方便我们查看应用程序的属性参数，在性能调优时结合master UI非常有用。