spark在不一樣環境下的搭建|安裝|local|standalone|yarn|HA|

時間  2019-12-06
標籤 spark 不一樣 環境 搭建 安裝 local standalone yarn 欄目 Spark 简体版
原文   原文鏈接

spark的集羣環境安裝搭建

 

 

一、spark local模式運行環境搭建

經常使用於本地開發測試，本地還分爲local單線程和local-cluster多線程;html

  • 該模式被稱爲Local[N]模式，是用單機的多個線程來模擬Spark分佈式計算，直接運行在本地，便於調試，一般用來驗證開發出來的應用程序邏輯上有沒有問題。
  • 　　其中N表明可使用N個線程，每一個線程擁有一個core。若是不指定N，則默認是1個線程（該線程有1個core）。
  • 　　若是是local[*]，則表明 Run Spark locally with as many worker threads as logical cores on your machine.

第一步：上傳壓縮包並解壓

上傳spark壓縮包到/export/softwares並解壓node

將咱們編譯以後的spark的壓縮包上傳到/export/softwares路徑下，而後進行解壓shell

tar -zxf spark-2.2.0-bin-2.6.0-cdh5.14.0.tgz -C /export/servers/

第二步：修改spark的配置文件

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

cp spark-env.sh.template spark-env.sh

第三步：啓動驗證進入spark-shell

啓動驗證apache

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

./bin/spark-shell  --master  local

退出spark shell客戶端vim

:quit

第四步：運行spark自帶的測試jar包

執行咱們spark自帶的程序jar包運算圓周率瀏覽器

bin/spark-submit \

--class org.apache.spark.examples.SparkPi \

--master local[2] \

--executor-memory 1G \

--total-executor-cores 2 \

/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar \

100    　

其中100表示迭代計算100次來求取咱們圓周率的值，注意迭代計算的次數越多，最終求得的值就會越接近圓周率的值bash

二、spark的standAlone模式

第一步：修改配置文件

修改spark-env.sh

node01修改spark-env.sh服務器

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

vim spark-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141

export SPARK_MASTER_HOST=node01

export SPARK_MASTER_PORT=7077

export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=4000 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://node01:8020/spark_log"

修改slaves文件

node01修改slaves配置文件多線程

cp slaves.template  slaves

vim slaves

node02

node03

修改spark-defaults.conf

spark的程序運行，咱們爲了方便調試開發，通常咱們都會配置spark的運行日誌，將spark程序的運行日誌保存到hdfs上面，方便咱們運行程序以後的開發調試app

node01修改spark-defaults.conf

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

cp spark-defaults.conf.template spark-defaults.conf

vim spark-defaults.conf
spark.eventLog.enabled  true

spark.eventLog.dir       hdfs://node01:8020/spark_log

spark.eventLog.compress true

hdfs建立日誌文件存放的目錄

hdfs dfs -mkdir -p /spark_log

第三步：安裝包分發到其餘機器

node01服務器執行如下命令

cd /export/servers/

scp -r spark-2.2.0-bin-2.6.0-cdh5.14.0/ node02:$PWD

scp -r spark-2.2.0-bin-2.6.0-cdh5.14.0/ node03:$PWD

第四步：啓動spark程序

node01服務器執行如下命令啓動spark程序

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

sbin/start-all.sh

sbin/start-history-server.sh

第五步：瀏覽器頁面訪問

瀏覽器頁面訪問spark

http://node01:8080/

查看spark任務的歷史日誌

http://node01:4000/

第六步：使用進入spark-shell

node01執行如下命令進入spark-shell

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

bin/spark-shell  --master spark://node01:7077

退出spark-shell

scala> :quit

第七步：運行spark自帶的測試jar包

bin/spark-submit \

--class org.apache.spark.examples.SparkPi \

--master spark://node01:7077 \

--executor-memory 1G \

--total-executor-cores 2 \

/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar \

100

其中100表示迭代計算100次來求取咱們圓周率的值，注意迭代計算的次數越多，最終求得的值就會越接近圓周率的值

 

三、spark的HA模式

 

 

爲了解決master單節點的故障，spark也支持master的高可用配置，其中spark的高可用HA模式支持兩種方式，一種是手動切換，另一種是藉助zookeeper實現自動切換

第一步：中止spark集羣

中止spark的全部進程

node01服務器執行如下命令中止spark集羣

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

sbin/stop-all.sh

sbin/stop-history-server.sh

第二步：修改配置文件

修改spark-env.sh

node01服務器修改spark-env.sh

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

vim spark-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141

#export SPARK_MASTER_HOST=node01

 

export SPARK_MASTER_PORT=7077

 

export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=4000 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://node01:8020/spark_log"

 

export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=node01:2181,node02:2181,node03:2181 -Dspark.deploy.zookeeper.dir=/spark"

修改slaves文件（standAlone模式已經修改過，不用修改了）

node01修改slaves配置文件

cp slaves.template  slaves

vim slaves
node02

node03

修改spark-defaults.conf（standAlone模式已經修改過，不用修改了）

spark的程序運行，咱們爲了方便調試開發，通常咱們都會配置spark的運行日誌，將spark程序的運行日誌保存到hdfs上面，方便咱們運行程序以後的開發調試

node01修改spark-defaults.conf

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

cp spark-defaults.conf.template spark-defaults.conf

vim spark-defaults.conf
spark.eventLog.enabled  true

spark.eventLog.dir       hdfs://node01:8020/spark_log

spark.eventLog.compress true

hdfs建立日誌文件存放的目錄

hdfs dfs -mkdir -p /spark_log

第三步：配置文件分發到其餘服務器

node01服務器執行如下命令進行分發

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

scp spark-env.sh node02:$PWD

scp spark-env.sh node03:$PWD

第四步：啓動spark集羣

node01服務器執行如下命令啓動spark集羣

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

sbin/start-all.sh

sbin/start-history-server.sh

node02服務器啓動master節點

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

sbin/start-master.sh

第五步：瀏覽器頁面訪問

http://node01:8080/

http://node02:8080/

第六步：進入spark-shell

spark的HA模式，進入spark-shell

node01執行如下命令進入spark-shell

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/

bin/spark-shell --master spark://node01:7077,node02:7077

第七步：運行spark自帶的測試jar包

bin/spark-submit \

--class org.apache.spark.examples.SparkPi \

--master spark://node01:7077,node02:7077 \

--executor-memory 1G \

--total-executor-cores 2 \

/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar \

100

四、spark的on yarn模式

spark  on yarn 模式官方文檔說明

http://spark.apache.org/docs/latest/running-on-yarn.html

http://spark.apache.org/docs/latest/running-on-yarn.html#configuration

若是咱們的spark程序是運行在yarn上面的話，那麼咱們就不須要spark 的集羣了，咱們只須要找任意一臺機器配置咱們的spark的客戶端提交任務到yarn集羣上面去便可

小提示：若是yarn集羣資源不夠，咱們能夠在yarn-site.xml當中添加如下兩個配置，而後重啓yarn集羣，跳過yarn集羣資源的檢查

<property>

<name> yarn.nodemanager.pmem-check-enabled</name

<value>false</value>

</property>

<property>

<name> yarn.nodemanager.vmem-check-enabled</name

<value>false</value>

</property>

一、環境準備

第一步：三臺機器修改spark-env.sh

第一臺機器修改spark-env.sh配置文件

第一天機器node01執行如下命令修改spark-env.sh配置文件

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

vim spark-env.sh
export HADOOP_CONF_DIR=/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop

export YARN_CONF_DIR=/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop

將第一臺機器的spark-env.sh配置文件同步到第二臺和第三臺機器上面去

第一臺機器執行如下命令同步spark-env.sh配置文件

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf

scp spark-env.sh node02:$PWD

scp spark-env.sh node03:$PWD

第二步：三臺機器添加spark環境變量

三臺機器修改/etc/profile配置文件添加spark的環境變量

三臺機器執行如下命令添加spark環境變量

vim /etc/profile
export SPARK_HOME=/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

export PATH=:$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH

三臺機器執行source命令讓修改當即生效

source /etc/profile

二、spark on  yarn  client模式提交任務

一、任務提交命令

node03服務器執行如下命令，將spark計算任務提交到yarn集羣上面去

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0
bin/spark-submit \

--class org.apache.spark.examples.SparkPi \

--master yarn \

--deploy-mode client \

/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar \

10

二、任務提交過程解析

 

 

一、客戶端提交一個Application，在客戶端啓動一個Driver進程。

二、Driver進程會向RS(ResourceManager)發送請求，啓動AM(ApplicationMaster)的資源。

三、RS收到請求，隨機選擇一臺NM(NodeManager)啓動AM。這裏的NM至關於Standalone中的Worker節點。

四、AM啓動後，會向RS請求一批container資源，用於啓動Executor.

RS會找到一批NM返回給AM,用於啓動Executor。

五、AM會向NM發送命令啓動Executor。

六、Executor啓動後，會反向註冊給Driver，Driver發送task到Executor,執行狀況和結果返回給Driver端。

總結：

一、Yarn-client模式是適用於測試，由於Driver運行在本地，Driver會與yarn集羣中的Executor進行大量的通訊，會形成客戶機網卡流量的大量增長.

二、 ApplicationMaster的做用：

       爲當前的Application申請資源

       給NodeManager發送消息啓動Executor。

       注意：ApplicationMaster有launchExecutor和申請資源的功能，並無做業調度的功能。

三、spark on yarn cluster模式提交任務

一、任務提交命令

node03執行如下命令提交spark任務

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

二、任務提交過程解析

bin/spark-submit --class org.apache.spark.examples.SparkPi \

--master yarn \

--deploy-mode cluster \

--driver-memory 1g \

--executor-memory 1g \

--executor-cores 1 \

/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar \

10

 

執行流程

一、客戶機提交Application應用程序，發送請求到RS(ResourceManager),請求啓動AM(ApplicationMaster)。

二、RS收到請求後隨機在一臺NM(NodeManager)上啓動AM（至關於Driver端）。

三、AM啓動，AM發送請求到RS，請求一批container用於啓動Executor。

四、RS返回一批NM節點給AM。

五、AM鏈接到NM,發送請求到NM啓動Executor。

六、Executor反向註冊到AM所在的節點的Driver。Driver發送task到Executor。

總結

一、Yarn-Cluster主要用於生產環境中，由於Driver運行在Yarn集羣中某一臺nodeManager中，每次提交任務的Driver所在的機器都是隨機的，不會產生某一臺機器網卡流量激增的現象，缺點是任務提交後不能看到日誌。只能經過yarn查看日誌。

 2.ApplicationMaster的做用：

  爲當前的Application申請資源

   給nodemanager發送消息 啓動Excutor。

任務調度。(這裏和client模式的區別是AM具備調度能力，由於其就是Driver端，包含Driver進程)

三、 中止集羣任務命令：yarn application -kill applicationID

三、訪問歷史日誌界面

http://node01:8088/cluster/app/applicationId

注意：若是出現如下這種狀況，

這是由於咱們在yarn-site.xml當中缺乏一行配置，在全部機器的yarn-site.xml當中添加如下配置，而後重啓yarn集羣以及hadoop的jobHistoryserver便可

第一步：三臺機器修改yarn-site.xml配置文件

node01修改yarn-site.xml

cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop

vim yarn-site.xml　
<property>

         <name>yarn.log.server.url</name>

         <value>http://node01:19888/jobhistory/logs</value>

</property>

node01執行如下命令，將修改後的yarn-site.xml同步到其餘機器

cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop

scp yarn-site.xml  node02:$PWD

scp yarn-site.xml  node03:$PWD
第二步：從新啓動yarn以及jobhistoryServer服務

node01執行如下命令重啓yarn集羣以及jobhistoryserver服務

中止yarn集羣以及jobhistoryserver服務

cd /export/servers/hadoop-2.6.0-cdh5.14.0/

sbin/stop-yarn.sh

sbin/mr-jobhistory-daemon.sh stop historyserver

從新啓動yarn集羣以及jobhistoryserver服務

cd /export/servers/hadoop-2.6.0-cdh5.14.0/

sbin/start-yarn.sh

sbin/mr-jobhistory-daemon.sh start historyserver
第三步：從新提交spark任務到yarn集羣上面去

node03執行如下命令從新提價任務

cd /export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0

　　

bin/spark-submit --class org.apache.spark.examples.SparkPi \

--master yarn \

--deploy-mode cluster \

--driver-memory 1g \

--executor-memory 1g \

--executor-cores 1 \

/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar \

10

而後就能夠查看到spark任務提交的日誌了

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程