Spark快速入门系列(2) | Spark 运行模式之Local本地模式
Spark快速入门系列(2) | Spark 运行模式之Local本地模式
Local 模式就是指的只在一台计算机上来运行 Spark. 通常用于测试的目的来使用 Local 模式, 实际的生产环境中不会使用 Local 模式.
一. 解压 Spark 安装包
- 1. 把安装包上传到
/opt/software/
- 2. 把安装包上传到
/opt/module/
[bigdata@hadoop002 software]$ tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz -C /opt/module
- 3. 重命名为spark-local(为了方便复制一个并重新命名)
[bigdata@hadoop002 module]$ cp -r spark-2.1.1-bin-hadoop2.7 spark-local
- 4. 注意
如果有权限问题，可以修改为root，方便学习时操作，实际中使用运维分配的用户和权限即可。
chown -R root /opt/module/spark-local
chgrp -R root /opt/module/spark-local - 5. 解压目录说明
bin 可执行脚本
conf 配置文件
data 示例程序使用数据
examples 示例程序
jars 依赖 jar 包
python pythonAPI
R R 语言 API
sbin 集群管理命令
yarn 整合yarn需要的文件二. 运行官方求PI的案例
[bigdata@hadoop002 spark-local]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master local[2] \
./examples/jars/spark-examples_2.11-2.1.1.jar 100注意:
如果你的shell是使用的zsh, 则需要把local[2]加上引号:'local[2]'
说明:
使用spark-submit来发布应用程序.
2.1 spark-submit语法
./bin/spark-submit \
--class <main-class> \
--master <master-url> \
--deploy-mode <deploy-mode> \
--conf <key>=<value> \
... # other options
<application-jar> \
[application-arguments]- –
master指定master的地址，默认为local. 表示在本机运行. - –
class你的应用的启动类 (如org.apache.spark.examples.SparkPi) - –
deploy-mode是否发布你的驱动到worker节点(cluster模式) 或者作为一个本地客户端 (client模式) (default: client) - –
conf: 任意的 Spark 配置属性， 格式key=value. 如果值包含空格，可以加引号"key=value" application-jar: 打包好的应用jar,包含依赖. 这个URL在集群中全局可见。 比如hdfs:// 共享存储系统， 如果是file:// path， 那么所有的节点的path都包含同样的jarapplication-arguments: 传给main()方法的参数- –
executor-memory 1G指定每个executor可用内存为1G - –
total-executor-cores 6指定所有executor使用的cpu核数为6个 - –
executor-cores表示每个executor使用的cpu的核数
2.2 关于 Master URL 的说明
Master URL | Meaning |
|---|---|
local | Run Spark locally with one worker thread (i.e. no parallelism at all). |
local[K] | Run Spark locally with K worker threads (ideally, set this to the number of cores on your machine). |
local[*] | Run Spark locally with as many worker threads as logical cores on your machine. |
spark://HOST:PORT | Connect to the given Spark standalone cluster master. The port must be whichever one your master is configured to use, which is 7077 by default. |
mesos://HOST:PORT | Connect to the given Mesos cluster. The port must be whichever one your is configured to use, which is 5050 by default. Or, for a Mesos cluster using ZooKeeper, use mesos://zk://… To submit with --deploy-mode cluster, the HOST:PORT should be configured to connect to the MesosClusterDispatcher. |
yarn | Connect to a YARNcluster in client or cluster mode depending on the value of --deploy-mode. The cluster location will be found based on the HADOOP_CONF_DIR or YARN_CONF_DIR variable. |
2.3 结果展示
2.4 另一种方法
也可以使用run-examples来运行
[bigdata@hadoop002 spark-local]$bin/run-example SparkPi 100三. 使用 Spark-shell
Spark-shell 是 Spark 给我们提供的交互式命令窗口(类似于 Scala 的 REPL)
本案例在 Spark-shell 中使用 Spark 来统计文件中各个单词的数量.
3.1 创建 2 个文本文件
mkdir input
cd input
touch 1.txt
touch 2.txt
3.2 打开 Spark-shell
[bigdata@hadoop002 spark-local]$ bin/spark-shell 
3.3 查看进程和通过 web 查看应用程序运行情况
3.4 运行 wordcount 程序
scala> sc.textFile("./input").flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _).collect
3.5 登录hadoop102:4040查看程序运行
四. 提交流程
五. wordcount 数据流程分析
textFile("input")：读取本地文件input文件夹数据；flatMap(_.split(" "))：压平操作，按照空格分割符将一行数据映射成一个个单词；map((_,1))：对每一个元素操作，将单词映射为元组；reduceByKey(_+_)：按照key将值进行聚合，相加；collect：将数据收集到Driver端展示。
本次的分享就到这里了