Spark三種分佈式部署方式比較
目前Apache Spark支持三種分佈式部署方式,分別是standalone、spark on mesos和 spark on YARN,詳情參考。
Spark standalone模式分佈式部署
環境介紹
主機名 | 應用 |
---|---|
tvm11 | zookeeper |
tvm12 | zookeeper |
tvm13 | zookeeper、spark(master)、spark(slave)、Scala |
tvm14 | spark(backup)、spark(slave)、Scala |
tvm15 | spark(slave)、Scala |
說明
依賴scala:
Note that support for Java 7, Python 2.6 and old Hadoop versions before 2.6.5 were removed as of Spark 2.2.0. Support for Scala 2.10 was removed as of 2.3.0. Support for Scala 2.11 is deprecated as of Spark 2.4.1 and will be removed in Spark 3.0.
zookeeper: Master結點存在單點故障,所以要藉助zookeeper,至少啓動兩臺Master結點來實現高可用,配置方案比較簡單。
安裝scala
由上面的說明可知,spark對scala版本依賴較爲嚴格,spark-2.4.5依賴scala-2.12.x,所以首先要安裝scala-2.12.x,在此選用scala-2.12.10。使用二進制安裝:
解壓即用。
$ wget https://downloads.lightbend.com/scala/2.12.10/scala-2.12.10.tgz $ tar zxvf scala-2.12.10.tgz -C /path/to/scala_install_dir
如果系統環境也要使用相同版本的scala,可以將其加入到用戶環境變量(.bashrc或.bash_profile
)。
安裝spark
打通三臺spark機器的work用戶ssh通道;
現在安裝包到master機器:tvm13;
注意提示信息,及Hadoop版本(與已有環境匹配,如果不匹配則選非預編譯的版本自己編譯)。
解壓到安裝目錄即可。
配置spark
spark服務配置文件主要有兩個:spark-env.sh和slaves。
spark-evn.sh:配置spark運行相關環境變量
slaves:指定worker服務器
配置spark-env.sh:cp spark-env.sh.template spark-env.sh
export JAVA_HOME=/data/template/j/java/jdk1.8.0_201export SCALA_HOME=/data/template/s/scala/scala-2.12.10export SPARK_WORKER_MEMORY=2048mexport SPARK_WORKER_CORES=2export SPARK_WORKER_INSTANCES=2export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=tvm11:2181,tvm12:2181,tvm13:2181 -Dspark.deploy.zookeeper.dir=/data/template/s/spark"# 關於 SPARK_DAEMON_JAVA_OPTS 參數含義: # -Dspark.deploy.recoverMode=ZOOKEEPER #代表發生故障使用zookeeper服務 # -Dspark.depoly.zookeeper.url=master.hadoop,slave1.hadoop,slave1.hadoop #主機名的名字 # -Dspark.deploy.zookeeper.dir=/spark #spark要在zookeeper上寫數據時的保存目錄# 其他參數含義:https://blog.csdn.net/u010199356/article/details/89056304
配置slaves:cp slaves.template slaves
# A Spark Worker will be started on each of the machines listed below.tvm13 tvm14 tvm15
配置 spark-default.sh
,主要用於spark執行任務(可以命令行動態指定):
# http://spark.apache.org/docs/latest/configuration.html#configuring-logging# spark-defaults.shspark.app.name YunTuSpark spark.driver.cores 2 spark.driver.memory 2g spark.master spark://tvm13:7077,tvm14:7077 spark.eventLog.enabled truespark.eventLog.dir hdfs://cluster01/tmp/event/logs spark.serializer org.apache.spark.serializer.KryoSerializer spark.serializer.objectStreamReset 100 spark.executor.logs.rolling.time.interval daily spark.executor.logs.rolling.maxRetainedFiles 30 spark.ui.enabled truespark.ui.killEnabled truespark.ui.liveUpdate.period 100ms spark.ui.liveUpdate.minFlushPeriod 3s spark.ui.port 4040 spark.history.ui.port 18080 spark.ui.retainedJobs 100 spark.ui.retainedStages 100 spark.ui.retainedTasks 1000 spark.ui.showConsoleProgress truespark.worker.ui.retainedExecutors 100 spark.worker.ui.retainedDrivers 100 spark.sql.ui.retainedExecutions 100 spark.streaming.ui.retainedBatches 100 spark.ui.retainedDeadExecutors 100# spark.executor.extraJavaOptions -XX:+PrintGCDetails -Dkey=value -Dnumbers="one two three"
hdfs資源準備
因爲 spark.eventLog.dir
指定爲hdfs存儲,所以需要在hdfs預先創建相應的目錄文件:鄭州不孕不育醫院:http://jbk.39.net/yiyuanfengcai/tsyl_zztjyy/987/
hdfs dfs -mkdir -p hdfs://cluster01/tmp/event/logs
配置系統環境變量
編輯 ~/.bashrc
:鄭州試管嬰兒醫院:http://www.changhong120.com/
export SPARK_HOME=/data/template/s/spark/spark-2.4.5-bin-hadoop2.7export PATH=$SPARK_HOME/bin/:$PATH
分發
以上配置完成後,將 /path/to/spark-2.4.5-bin-hadoop2.7
分發至各個slave節點,並配置各個節點的環境變量。
啓動
先在master節點啓動所有服務:
./sbin/start-all.sh
然後在backup節點單獨啓動master服務:
./sbin/start-master.sh
查看狀態
啓動完成後到web去查看:
master(8081端口):Status: ALIVE
backup(8080端口):Status: STANDBY