1、standalone集群模式
铁子话不多说，开整 ↓↓↓↓↓↓
文章目录:
- 1、standalone集群模式
- 1.1 集群角色介绍
- 1.2 集群规划
- 1.3 修改配置并分发
- 1.4 启动和停止
- 1.5 查看web界面
- 1.6 测试
- 2、standalone-HA高可用模式
- 2.1 原理
- 2.2 配置HA
- 2.3 启动zk集群
- 2.4 启动Spark集群
- 2.5 测试HA
- 3、 on yarn集群模式
- 3.1 准备工作
- 3.2 cluster模式
- 3.3 client模式[了解]
- 3.4 两种模式的区别
- 4、 Spark参数详解
- 4.1 spark-shell
- 4.2 spark-submit
- 4.3 参数总结
1.1 集群角色介绍
standalone独立集群模式–开发测试使用
代码语言：javascript复制Spark是基于内存计算的大数据并行计算框架，
实际中运行计算任务肯定是使用集群模式，
那么我们先来学习Spark自带的standalone集群模式了解一下它的架构及运行机制。Standalone集群使用了分布式计算中的master-slave模型， master是集群中含有master进程的节点 slave是集群中的worker节点含有Executor进程
●Spark架构图如下(先了解)：
1.2 集群规划
代码语言：javascript复制node01:master
node02:slave/worker
node03:slave/worker1.3 修改配置并分发
●修改Spark配置文件
代码语言：javascript复制cd /export/servers/spark/conf
mv spark-env.sh.template spark-env.shvim spark-env.sh
#配置java环境变量(如果之前配置过了就不需要动了)
export JAVA_HOME=/export/servers/jdk1.8
#指定spark Master的IP
export SPARK_MASTER_HOST=node01
#指定spark Master的端口
export SPARK_MASTER_PORT=7077mv slaves.template slaves
vim slaves
node02
node03●配置spark环境变量 (建议不添加，避免和Hadoop的命令冲突)
将spark添加到环境变量,添加以下内容到 /etc/profile
export SPARK_HOME=/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0
export PATH=$PATH:$SPARK_HOME/bin注意: hadoop/sbin 的目录和 spark/sbin 可能会有命令冲突：
start-all.sh stop-all.sh
解决方案： 1.把其中一个框架的 sbin 从环境变量中去掉；
2.改名 hadoop/sbin/start-all.sh 改为: start-all-hadoop.sh
●通过scp 命令将配置文件分发到其他机器上
代码语言：javascript复制scp -r /export/servers/spark node02:/export/servers
scp -r /export/servers/spark node03:/export/servers
scp /etc/profile root@node02:/etc
scp /etc/profile root@node03:/etcsource /etc/profile 刷新配置
1.4 启动和停止
●集群启动和停止 在主节点上启动spark集群
代码语言：javascript复制/export/servers/spark/sbin/start-all.sh 在主节点上停止spark集群
代码语言：javascript复制/export/servers/spark/sbin/stop-all.sh●单独启动和停止
在 master 安装节点上启动和停止 master：
代码语言：javascript复制start-master.sh
stop-master.sh在 Master 所在节点上启动和停止worker(work指的是slaves 配置文件中的主机名)
代码语言：javascript复制start-slaves.sh
stop-slaves.sh1.5 查看web界面
正常启动spark集群后，查看spark的web界面，查看相关信息。
http://node01:8080/
1.6 测试
●需求 使用集群模式运行Spark程序读取HDFS上的文件并执行WordCount
●集群模式启动spark-shell
代码语言：javascript复制/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/bin/spark-shell --master spark://node01:7077●运行程序
代码语言：javascript复制sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ _)
.saveAsTextFile("hdfs://node01:8020/wordcount/output2")●SparkContext web UI
http://node01:4040/jobs/
●注意
集群模式下程序是在集群上运行的，不要直接读取本地文件，应该读取hdfs上的 因为程序运行在集群上，具体在哪个节点上我们运行并不知道，其他节点可能并没有那个数据文件
2、standalone-HA高可用模式
2.1 原理
Spark Standalone集群是Master-Slaves架构的集群模式，和大部分的Master-Slaves结构集群一样，存在着Master单点故障的问题。 如何解决这个单点故障的问题，Spark提供了两种方案：
代码语言：javascript复制1.基于文件系统的单点恢复(Single-Node Recovery with Local File System)--只能用于开发或测试环境。
2.基于zookeeper的Standby Masters(Standby Masters with ZooKeeper)--可以用于生产环境。
2.2 配置HA
该HA方案使用起来很简单，首先启动一个ZooKeeper集群，然后在不同节点上启动Master，注意这些节点需要具有相同的zookeeper配置。
代码语言：javascript复制●先停止Sprak集群
/export/servers/spark/sbin/stop-all.sh
●在node01上配置：
vim /export/servers/spark/conf/spark-env.sh
●注释掉Master配置
#export SPARK_MASTER_HOST=node01●在spark-env.sh添加SPARK_DAEMON_JAVA_OPTS，内容如下：
export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER
-Dspark.deploy.zookeeper.url=node01:2181,node02:2181,node03:2181
-Dspark.deploy.zookeeper.dir=/spark"
参数说明
spark.deploy.recoveryMode：恢复模式
spark.deploy.zookeeper.url：ZooKeeper的Server地址
spark.deploy.zookeeper.dir：保存集群元数据信息的文件、目录。包括Worker、Driver、Application信息。2.3 启动zk集群
代码语言：javascript复制zkServer.sh status
zkServer.sh stop
zkServer.sh start2.4 启动Spark集群
代码语言：javascript复制●node01上启动Spark集群执行
/export/servers/spark/sbin/start-all.sh
●在node02上再单独只起个master:
/export/servers/spark/sbin/start-master.sh●注意：
在普通模式下启动spark集群
只需要在主节点上执行start-all.sh 就可以了
在高可用模式下启动spark集群
先需要在任意一台主节点上执行start-all.sh
然后在另外一台主节点上单独执行start-master.sh●查看node01和node02
http://node01:8080/
http://node02:8080/
可以观察到有一台状态为StandBy2.5 测试HA
代码语言：javascript复制●测试主备切换
1.在node01上使用jps查看master进程id
2.使用kill -9 id号强制结束该进程
3.稍等片刻后刷新node02的web界面发现node02为Alive
●测试集群模式提交任务
代码语言：javascript复制1.集群模式启动spark-shell
/export/servers/spark/bin/spark-shell --master
spark://node01:7077,node02:70772.运行程序
sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ _)
.saveAsTextFile("hdfs://node01:8020/wordcount/output3")3、 on yarn集群模式
代码语言：javascript复制●官方文档
http://spark.apache.org/docs/latest/running-on-yarn.html3.1 准备工作
代码语言：javascript复制1.安装启动Hadoop(需要使用HDFS和YARN，已经ok)2.安装单机版Spark(已经ok)
注意：不需要集群，因为把Spark程序提交给YARN运行本质上是把字节码给YARN集群上的JVM运行，
但是得有一个东西帮我去把任务提交上个YARN，所以需要一个单机版的Spark，
里面的有spark-shell命令，spark-submit命令3.修改配置：
在spark-env.sh ，添加HADOOP_CONF_DIR配置，指明了hadoop的配置文件的位置
vim /export/servers/spark/conf/spark-env.sh
export HADOOP_CONF_DIR=/export/servers/hadoop/etc/hadoop3.2 cluster模式
●说明 在企业生产环境中大部分都是cluster部署模式运行Spark应用 Spark On YARN的Cluster模式 指的是Driver程序运行在YARN集群上
●补充Driver是什么: 运行应用程序的main()函数并创建SparkContext的进程
●图解
●运行示例程序
spark-shell是一个简单的用来测试的交互式窗口
spark-submit用来提交打成jar包的任务
/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 2
--queue default
/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar
10 ●查看界面
http://node01:8088/cluster
3.3 client模式[了解]
●说明 学习测试时使用，开发不用，了解即可 Spark On YARN的Client模式 指的是Driver程序运行在提交任务的客户端
●图解
●运行示例程序
/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
--driver-memory 1g
--executor-memory 1g
--executor-cores 2
--queue default
/export/servers/spark-2.2.0-bin-2.6.0-cdh5.14.0/examples/jars/spark-examples_2.11-2.2.0.jar
103.4 两种模式的区别
Cluster和Client模式最本质的区别是：Driver程序运行在哪里！
运行在YARN集群中就是Cluster模式，
运行在客户端就是Client模式当然还有由本质区别延伸出来的区别，面试的时候能简单说出几点就行
代码语言：javascript复制●cluster模式：生产环境中使用该模式
1.Driver程序在YARN集群中
2.应用的运行结果不能在客户端显示
3.该模式下Driver运行ApplicattionMaster这个进程中，如果出现问题，yarn会重启ApplicattionMaster(Driver)●client模式：
1.Driver运行在Client上的SparkSubmit进程中
2.应用程序运行结果会在客户端显示4、 Spark参数详解
4.1 spark-shell
spark-shell是Spark自带的交互式Shell程序，方便用户进行交互式编程，用户可以在该命令行下可以用scala编写spark程序，适合学习测试时使用！
●示例
代码语言：javascript复制spark-shell可以携带参数
spark-shell --master local[N] 数字N表示在本地模拟N个线程来运行当前任务
spark-shell --master local[*] *表示使用当前机器上所有可用的资源
默认不携带参数就是--master local[*]
spark-shell --master spark://node01:7077,node02:7077 表示运行在集群上4.2 spark-submit
spark-submit命令用来提交jar包给spark集群/YARN spark-shell交互式编程确实很方便我们进行学习测试，但是在实际中我们一般是使用IDEA开发Spark应用程序打成jar包交给Spark集群/YARN去执行。 spark-submit命令是我们开发时常用的!!!
代码语言：javascript复制示例：计算π
cd /export/servers/spark
/export/servers/spark/bin/spark-submit
--class org.apache.spark.examples.SparkPi
--master spark://node01:7077
--executor-memory 1g
--total-executor-cores 2
/export/servers/spark/examples/jars/spark-examples_2.11-2.2.0.jar
104.3 参数总结
●Master参数形式
其他参数示例
代码语言：javascript复制--master spark://node01:7077 指定 Master 的地址
--name "appName" 指定程序运行的名称
--class 程序的main方法所在的类
--jars xx.jar 程序额外使用的 jar 包
--driver-memory 512m Driver运行所需要的内存, 默认1g
--executor-memory 2g 指定每个 executor 可用内存为 2g， 默认1g
--executor-cores 1 指定每一个 executor 可用的核数
--total-executor-cores 2 指定整个集群运行任务使用的 cup 核数为 2 个
--queue default 指定任务的对列
--deploy-mode 指定运行模式（client/cluster）●注意：
如果 worker 节点的内存不足，那么在启动 spark-submit的时候，就不能为 executor分配超出 worker 可用的内存容量。 如果–executor-cores超过了每个 worker 可用的 cores，任务处于等待状态。 如果–total-executor-cores即使超过可用的 cores，默认使用所有的。以后当集群其他的资源释放之后，就会被该程序所使用。 如果内存或单个 executor 的 cores 不足，启动 spark-submit 就会报错，任务处于等待状态，不能正常执行。
