Spark简介
一、简介
1）官网地址：http://spark.apache.org/
2）文档查看地址：https://spark.apache.org/docs/3.1.3/
3）下载地址：https://spark.apache.org/downloads.html
https://archive.apache.org/dist/spark/
二、安装
1、简介
部署Spark集群大体上分为两种模式：单机模式与集群模式 大多数分布式框架都支持单机模式，方便开发者调试框架的运行环境。但是在生产环境中，并不会使用单机模式。因此，后续直接按照集群模式部署Spark集群。 下面详细列举了Spark目前支持的部署模式。
- Local模式：在本地部署单个Spark服务
- Standalone模式：Spark自带的任务调度模式。（国内常用）
- YARN模式：Spark使用Hadoop的YARN组件进行资源与任务调度。（国内最常用）
- Mesos模式：Spark使用Mesos平台进行资源与任务的调度。（国内很少用）
2、本地部署(Local模式)
2.1 安装
Local模式就是运行在一台计算机上的模式，通常就是用于在本机上练手和测试。
wget https://gitcode.net/weixin_44624117/software/-/raw/master/software/Linux/Spark/spark-3.4.1-bin-hadoop3.tgz创建文件夹
mkdir /opt/module解压文件
tar -zxvf spark-3.4.1-bin-hadoop3.tgz -C /opt/module/更改文件名
mv /opt/module/spark-3.4.1-bin-hadoop3/ /opt/module/spark-local官方求PI案例
cd /opt/module/spark-local
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master local[2] \
./examples/jars/spark-examples_2.12-3.4.1.jar \
10参数解析：
--class：表示要执行程序的主类；--master local[2]：
（1）local: 没有指定线程数，则所有计算都运行在一个线程当中，没有任何并行计算
（2）local[K]:指定使用K个Core来运行计算，比如local[2]就是运行2个Core来执行。
（3）local[*]：默认模式。自动帮你按照CPU最多核来设置线程数。比如CPU有8核，Spark帮你自动设置8个线程计算。
spark-examples_2.12-3.1.3.jar：要运行的程序；10：要运行程序的输入参数（计算圆周率π的次数，计算次数越多，准确率越高）；
该算法是利用蒙特·卡罗算法求PI
2.2 官方WordCount实例
准备数据
mkdir input输入以下内容
hello atguigu
hello spark启动Spark-shell
bin/spark-shell执行任务
scala> sc.textFile("/opt/module/spark-local/input").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect
res6: Array[(String, Int)] = Array((hello,2), (atguigu,1), (spark,1))
查看执行结果：
连接窗口，发现了一个SparkSubmit进程
spark-shell窗口关闭掉，则hadoop102:4040页面关闭。
3、Standlong模式
3.1 简介
Standalone模式是Spark自带的资源调度引擎，构建一个由Master + Worker构成的Spark集群，Spark运行在集群中。
这个要和Hadoop中的Standalone区别开来。这里的Standalone是指只用Spark来搭建一个集群，不需要借助Hadoop的Yarn和Mesos等其他框架。
Master和Worker是Spark的守护进程、集群资源管理者，即Spark在特定模式(Standalone)下正常运行必须要有的后台常驻进程。
- Driver和Executor是临时程序，当有具体任务提交到Spark集群才会开启的程序。Standalone模式是Spark自带的资源调度引擎，构建一个由Master + Worker构成的Spark集群，Spark运行在集群中。
- 这个要和Hadoop中的Standalone区别开来。这里的Standalone是指只用Spark来搭建一个集群，不需要借助Hadoop的Yarn和Mesos等其他框架。
2.2 安装集群
Hadoop101 | Hadoop102 | Hadoop103 | |
|---|---|---|---|
Spark | MasterWorker | Worker | Worker |
解压文件
tar -zxvf spark-3.4.1-bin-hadoop3.tgz -C /opt/module/重命名文件夹
mv /opt/module/spark-3.4.1-bin-hadoop3 /opt/module/spark-standalone添加Worker节点
cd /opt/module/spark-standalone/conf/
vim slaveshadoop101
hadoop102
hadoop103添加Master节点
mv spark-env.sh.template spark-env.sh
vim spark-env.shSPARK_MASTER_HOST=hadoop101
SPARK_MASTER_PORT=7077
cd /opt/module/spark-standalone
sbin/start-all.sh
- 8080：master的webUI
- 4040：application的webUI的端口号
2.3 官方测试案例
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop101:7077 \
./examples/jars/spark-examples_2.12-3.4.1.jar \
10执行结果：
8080：master的webUI
4040：application的webUI的端口号
执行参数
./bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
--executor-memory 2G \
--total-executor-cores 2 \
./examples/jars/spark-examples_2.12-3.4.1.jar \
10参数解析
--executor-memory：可用内存为2G。--total-executor-cores：使用CPU核数为2个。
参数 | 解释 | 可选值举例 |
|---|---|---|
–class | Spark程序中包含主函数的类 | |
–master | Spark程序运行的模式 | 本地模式：local[*]、spark://hadoop102:7077、Yarn |
–executor-memory 1G | 指定每个executor可用内存为1G | 符合集群内存配置即可，具体情况具体分析。 |
–total-executor-cores 2 | 指定所有executor使用的cpu核数为2个 | |
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jar | |
application-arguments | 传给main()方法的参数 |
4、Yarn模式
- Spark客户端直接连接Yarn，不需要额外构建Spark集群。
- 一台能提交Yarn的服务器即可
3.1 安装
获取文件
wget https://gitcode.net/weixin_44624117/software/-/raw/master/software/Linux/Spark/spark-3.4.1-bin-hadoop3.tgz加压安装包
tar -zxvf spark-3.4.1-bin-hadoop3.tgz -C /opt/module/修改目录名称
mv /opt/module/spark-3.4.1-bin-hadoop3 /opt/module/spark-yarn修改启动文件
mv /opt/module/spark-yarn/conf/spark-env.sh.template /opt/module/spark-yarn/conf/spark-env.sh添加配置文件
vim /opt/module/spark-yarn/conf/spark-env.sh
# 增加配置内容(Yarn配置文件地址)
YARN_CONF_DIR=/opt/module/hadoop-3.1.3/etc/hadoop提交任务
参数：--master yarn：表示Yarn方式运行；–deploy-mode表示客户端方式运行程序
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
./examples/jars/spark-examples_2.12-3.4.1.jar \
10
3.2 配置历史服务器
移动配置文件
mv /opt/module/spark-yarn/conf/spark-defaults.conf.template /opt/module/spark-yarn/conf/spark-defaults.conf修改配置文件
cd /opt/module/spark-yarn/conf
vim spark-defaults.confspark.eventLog.enabled true
spark.eventLog.dir hdfs://hadoop101:8020/directory
修改配置文件spark-env.sh
vim spark-env.shexport SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080
-Dspark.history.fs.logDirectory=hdfs://hadoop101:8020/directory
-Dspark.history.retainedApplications=30"配置文件解析：
Dspark.history.ui.port=18080：WEBUI访问的端口号为18080-Dspark.history.fs.logDirectory：指定历史服务器日志存储路径（读）-Dspark.history.retainedApplications：指定保存Application历史记录的个数，如果超过这个值，旧的应用程序信息将被删除，这个是内存中的应用数，而不是页面上显示的应用数。
3.3 配置查看历史日志
为了能从Yarn上关联到Spark历史服务器，需要配置spark历史服务器关联路径。
目的：点击yarn（8088）上spark任务的history按钮，进入的是spark历史服务器（18080），而不再是yarn历史服务器（19888）。
修改配置文件/opt/module/spark-yarn/conf/spark-defaults.conf
vim /opt/module/spark-yarn/conf/spark-defaults.confspark.yarn.historyServer.address=hadoop101:18080
spark.history.ui.port=18080启动历史服务器
cd /opt/module/spark-yarn
sbin/start-history-server.sh 再次提交任务
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
./examples/jars/spark-examples_2.12-3.4.1.jar \
10页面查看历史任务：http://hadoop102:8088/cluster
5、Mesos模式
Spark客户端直接连接Mesos；不需要额外构建Spark集群。国内应用比较少，更多的是运用Yarn调度。
6、几种模式对比
模式 | Spark安装机器数 | 需启动的进程 | 所属者 |
|---|---|---|---|
Local | 1 | 无 | Spark |
Standalone | 3 | Master及Worker | Spark |
Yarn | 1 | Yarn及HDFS | Hadoop |
7、常用端口
4040：Spark查看当前Spark-shell运行任务情况端口号：40407077：Spark Master内部通信服务端口号：7077 （类比于yarn的8032(RM和NM的内部通信)端口）8080：Spark Standalone模式Master Web端口号：8080（类比于Hadoop YARN任务运行情况查看端口号：8088） (yarn模式) 898918080：Spark历史服务器端口号：18080 （类比于Hadoop历史服务器端口号：19888）
三、Yarn模式详解
1、简介
Spark有yarn-client和yarn-cluster两种模式，主要区别在于：Driver程序的运行节点。
yarn-client：Driver程序运行在客户端，适用于交互、调试，希望立即看到app的输出。
yarn-cluster：Driver程序运行在由ResourceManager启动的APPMaster，适用于生产环境。
2、Client模式
client模式启动
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode client \
./examples/jars/spark-examples_2.12-3.4.1.jar \
10
3、Cluster模式
cluster模式启动
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
./examples/jars/spark-examples_2.12-3.4.1.jar \
10