環境介紹
我使用的是基於Ambari 的 HDP-2.6.1.0-129的Hadoop環境
1.Spark 1.6.3
2.Scala 2.10.6(可以使用2.11以後的 版本)
開發環境是IDEA 2017.2版本,使用sbt進行編譯。
新建工程
使用IDEA進行工程創建在此不贅述,需要注意的是如果在創建工程時沒有選擇正確的scala版本,可以在項目內的build.sbt
文件中修改爲正確的scala版本
依賴配置
sbt需要配置的依賴較爲簡單,我們這一次編寫的demo是一個計算Pi的近似值的spark軟件,所以只需要添加本地與Spark Yarn通信的依賴
name := "SparkDemo_2_10_6"
version := "0.1"
scalaVersion := "2.10.6"
name := "SparkXScalaDemo"
libraryDependencies ++= Seq(
"org.apache.spark" % "spark-yarn_2.10" % "1.6.3"
)
如上面所示,在libraryDependencies
裏添加spark-yarn_2.10
依賴,如果你的scala版本是2.11
則應該添加spark-yarn_2.11
注意spark-core
依賴已經被集成進入yarn依賴中,無需再添加
代碼設置
聯繫Yarn集羣需要你提供你的HDP集羣的配置,所以去Ambari下把服務器的配置文件下載下來
然後需要將這些配置文件放進一個Source或者Res文件夾,注意要去Project Structure中進行設置
完成了這些就能保證IDEA能夠正常與Spark集羣通信
然後是代碼編寫,我們的示例代碼如下
import org.apache.spark.{SparkConf, SparkContext}
import scala.math.random
object SparkPi{
def main(args:Array[String]){
val conf = new SparkConf().setAppName("Spark Pi")
System.setProperty("hadoop.home.dir","C:\\Users\\sha0w\\hadoop-bin")
System.setProperty("HADOOP_USER_NAME", "hdfs")
conf.setMaster("yarn-client").setAppName("SparkPi")
conf.setJars(List("C:\\Users\\sha0w\\IdeaProjects\\SparkDemo_2_10_6\\target\\scala-2.10\\sparkxscalademo_2.10-0.1.jar"))
conf.set("spark.yarn.preserve.staging.files","false")
conf.set("spark.yarn.jar", "hdfs://yourID:port/apps/spark/spark-assembly-1.6.3.2.6.1.0-129-hadoop2.7.3.2.6.1.0-129.jar") //這部分需要指定對應的assembly包在HDFS內的地址,類似於Kylin使用Spark引擎的設置,這個包可以在/usr/hdp/current/spark-client/lib中找到
conf.set("HDP_VERSION","2.6.1.0-129")
conf.set("spark.yarn.dist.files", "yarn-site.xml")
conf.set("yarn.resourcemanager.hostname", "packone168")
val spark =new SparkContext(conf)
val slices = if(args.length > 0) args(0).toInt else 2
val n = 100000 * slices
val count = spark.parallelize(1 to n, slices).map { i =>
val x = random * 2 - 1
val y = random * 2 - 1
if(x*x + y*y <1) 1 else 0
}.reduce(_ + _)
println("Pi is roughly "+ 4.0 * count / n)
spark.stop()
}
}
這些配置我是儘可能詳細地配置,有心人可以嘗試減少一些看能不能使用,關鍵是conf.setMaster("yarn-client")
設置爲集羣鏈接模式
小問題
17/08/26 11:42:49 INFO client.RMProxy: Connecting to ResourceManager at packone168/10.0.86.168:8050
17/08/26 11:43:09 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 0 time(s); maxRetries=45
17/08/26 11:43:29 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 1 time(s); maxRetries=45
17/08/26 11:43:49 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 2 time(s); maxRetries=45
17/08/26 11:44:09 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 3 time(s); maxRetries=45
17/08/26 11:44:29 INFO ipc.Client: Retrying connect to server: packone168/10.0.86.168:8050. Already tried 4 time(s); maxRetries=45
可能是因爲我是用手機熱點測試的,等下週一上班拿內網測試一下鏈接。
結語
發現網上講這個遠程調試的都是stand alone模式,我又比較怕麻煩,所以這是我自己摸索出來的連接Client的設置方法,希望大家多多指教。