首页 > 其他分享 >spark概述与搭建

spark概述与搭建

时间：2022-11-23 17:00:48浏览次数：52  
标签：-- yarn 概述 spark 搭建 local Spark 2.4

Spark概述与搭建

1、离线计算，基于内存，所以比MapReduce（基于磁盘）快（Flink真正实时型框架）

2、spark处理量级在GB量级

3、spark构成：BDAS，将数据变成DataFrame（DF基于pandas框架，表结构，有行有列）进行处理（ResilientDistributedDataset （弹性分布式数据集 ）

image-20221021132242629

1、SparkSql:
2、Spark Streaming：流，做实时处理(伪实时，微批处理（用时间度量），类似于实时处理)
3、MLlib：机器学习
4、Graphx：图像处理
发展历史
hadoop历史16年
spark历史12年

4、Spark模式

Local 	多用于测试
Standalone
Mesos
YARN 	最具前景

image-20221021162050075

spark比MapReduce快的原因：

1、基于内存

2、 DAG:有向无环图，按流程一个方向，并行计算，

3、粗粒度资源调度（将需要的资源一次性全部申请）

5、搭建spark环境(Local)

maven环境Scala依赖spark——core依赖2.4.5版本、
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object SparkWordCount {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf()
    conf.setAppName("wordcount")
    conf.setMaster("local[*]")//设置spark运行方式
    val sc: SparkContext = new SparkContext(conf)

    //1、加载数据
    //RDD弹性数据集
    val linesRDD: RDD[String] = sc.textFile("F:\\IdeaProjects\\Spark\\src\\main\\data\\words.txt ")
    //2、将数据进行flatmap切分
    val wordfsRDD: RDD[String] = linesRDD.flatMap(_.split(","))
    //3、将每一行数据进行分组
    /**
     *  iterable和List的区别
     * iterable中的数据是只要在需要的时候才会加载
     * List中的数据是完全加载到内存中的
     */
    val grpRDD: RDD[(String, Iterable[String])] = wordfsRDD.groupBy(word => word)
    //4、将分组过后的map集合按照kv格式，进行输出
    val result = grpRDD.map(kv => s"${kv._1 },${ kv._2.size}")
    result.saveAsTextFile("F:\\IdeaProjects\\Spark\\src\\main\\data\\result")
    //5.链式调用
//    sc
//      .textFile("F:\\IdeaProjects\\Spark\\src\\main\\data\\words.txt ")
//      .flatMap(_.split(","))
//      .groupBy(word => word)
//      .map(kv=>kv._1+","+kv._2.size)
//      .foreach(println)


  }
}

pom.xml文件依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.shujia</groupId>
    <artifactId>Spark</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
        <scala.version>2.11.12</scala.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>

        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-compiler</artifactId>
            <version>${scala.version}</version>
        </dependency>

        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-reflect</artifactId>
            <version>${scala.version}</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/mysql/mysql-connector-java -->
        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.49</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>2.4.5</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <!-- Scala Compiler -->
            <plugin>
                <groupId>org.scala-tools</groupId>
                <artifactId>maven-scala-plugin</artifactId>
                <version>2.15.2</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

6.spark环境搭建（StandAlone模式）

  • 1、上传解压

    tar -zxvf spark-2.4.5-bin-hadoop2.7.tgz -C /usr/local/soft
mv spark-2.4.5-bin-hadoop2.7 spark-2.4.5

  • 2、修改配置文件

    # 重命名文件
cp spark-env.sh.template spark-env.sh
cp slaves.template slaves

    增加配置：vim spark-env.sh

    master相当于RM worker相当于NM

    export SPARK_MASTER_IP=master01
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=2
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=2g
export JAVA_HOME=/usr/local/soft/jdk1.8.0_171

    增加从节点配置：vim slaves

    以node1、node2作为从节点

    node01
node02

  • 3、复制到其它节点

    cd /usr/local/soft/
scp -r spark-2.4.5 node01:`pwd`
scp -r spark-2.4.5 node02:`pwd`

  • 4、配置环境变量

  • 5、在主节点执行启动命令

    注意：start-all.sh 与Hadoop的sbin目录中的启动命令有冲突

    cd /usr/local/soft/spark-2.4.5/
./sbin/start-all.sh

  • 6、访问Spark Web UI

    http://master01:8080/

    image-20221021211608079

  • 7、测试及使用

    切换目录：cd /usr/local/soft/spark-2.4.5/examples/jars

    standalone client模式 ：日志在本地输出，一般用于上线前测试

    • 提交自带的SparkPi任务

      spark-submit --class org.apache.spark.examples.SparkPi --master spark://master01:7077 --executor-memory 512m --total-executor-cores 1 spark-examples_2.11-2.4.5.jar 100

    standalone cluster模式：上线使用，不会在本地打印日志

    • 提交自带的SparkPi

      spark-submit --class org.apache.spark.examples.SparkPi --master spark://master01:7077 --executor-memory 512M --total-executor-cores 1 --deploy-mode cluster spark-examples_2.11-2.4.5.jar 100

  • 8、其他运行方式

    • spark-shell spark 提供的一个交互式的命令行，可以直接写代码

      spark-shell master spark://master01:7077

7、On Yarn模式

在公司一般不适用standalone模式

因为公司一般已经有yarn 不需要搞两个资源管理框架

Spark整合yarn只需要在一个节点整合, 可以删除node1 和node2中所有的Spark 文件

  • 1、停止Spark Standalone模式集群

    # 切换目录
cd /usr/local/soft/spark-2.4.5/
# 停止集群
./sbin/stop-all.sh

  • 2、增加hadoop 配置文件地址

    vim spark-env.sh
# 增加HADOOP_CONF_DIR
export HADOOP_CONF_DIR=/usr/local/soft/hadoop-2.7.6/etc/hadoop

  • 3、关闭Yarn

    stop-yarn.sh

  • 4、修改Yarn配置

    cd /usr/local/soft/hadoop-2.7.6/etc/hadoop/
vim yarn-site.xml

# 加入如下配置
    <property>
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
    </property>

    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>

  • 5、同步到其他节点

    scp -r yarn-site.xml node1:`pwd`
scp -r yarn-site.xml node2:`pwd`

  • 6、启动Yarn

    start-yarn.sh

  • 7、测试及使用

    切换目录：cd /usr/local/soft/spark-2.4.5/examples/jars

    Spark on Yarn Client模式：日志在本地输出，一班用于上线前测试

    • 提交自带的SparkPi任务

      spark-submit --class org.apache.spark.examples.SparkPi --master yarn-client --executor-memory 512M --num-executors 2 spark-examples_2.11-2.4.5.jar 100

    Spark on Yarn Cluster模式：上线使用，不会在本地打印日志

    • 提交自带的SparkPi任务

      spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster --executor-memory 512m --num-executors 2 --executor-cores 1 spark-examples_2.11-2.4.5.jar 100

    • 获取yarn程序执行日志 执行成功之后才能获取到

      yarn logs -applicationId application_1652086375126_0002

  • 8、开启Spark On Yarn的WEB UI

    修改配置文件：

    # 切换目录
cd /usr/local/soft/spark-2.4.5/conf

# 去除后缀
cp spark-defaults.conf.template spark-defaults.conf

# 修改spark-defaults.conf
vim spark-defaults.conf

# 加入以下配置
spark.eventLog.enabled  true
spark.eventLog.dir      hdfs://master01:9000/user/spark/applicationHistory
spark.yarn.historyServer.address        master01:18080
spark.eventLog.compress true
spark.history.fs.logDirectory   hdfs://master01:9000/user/spark/applicationHistory
spark.history.retainedApplications      15

    创建HDFS目录用于存储Spark History日志

    hdfs dfs -mkdir -p /user/spark/applicationHistory

    启动Spark History Server

    cd /usr/local/soft/spark-2.4.5/
./sbin/start-history-server.sh
    启动 hadoop/sbin/mr-jobhistory-daemon.sh start historyserver

标签：--,yarn,概述,spark,搭建,local,Spark,2.4
From： https://www.cnblogs.com/tanggf/p/16918936.html

相关文章

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99