集羣角色介紹
Spark是基於內存計算的大數據並行計算框架,實際中運行計算任務肯定是使用集羣模式,那麼我們先來學習Spark自帶的standalone集羣模式瞭解一下它的架構及運行機制。
Standalone集羣使用了分佈式計算中的master-slave模型,
- master是集羣中含有master進程的節點
- slave是集羣中的worker節點含有Executor進程
●Spark架構圖如下(先了解):
http://spark.apache.org/docs/latest/cluster-overview.html
集羣規劃
node01:master
node02:slave/worker
node03:slave/worker
修改配置並分發
●修改Spark配置文件
cd /export/servers/spark/conf
mv spark-env.sh.template spark-env.sh
vim spark-env.sh
#配置java環境變量
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=7077
mv slaves.template slaves
vim slaves
node02
node03
●配置spark環境變量 (建議不添加,避免和Hadoop的命令衝突)
將spark添加到環境變量,添加以下內容到 /etc/profile
export SPARK_HOME=/export/servers/spark
export PATH=$PATH:$SPARK_HOME/bin
注意:
hadoop/sbin 的目錄和 spark/sbin 可能會有命令衝突:
start-all.sh stop-all.sh
解決方案:
1.把其中一個框架的 sbin 從環境變量中去掉;
2.改名 hadoop/sbin/start-all.sh 改爲: start-all-hadoop.sh
●通過scp 命令將配置文件分發到其他機器上
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:/etc
source /etc/profile 刷新配置
啓動和停止
●集羣啓動和停止
在主節點上啓動spark集羣
/export/servers/spark/sbin/start-all.sh
在主節點上停止spark集羣
/export/servers/spark/sbin/stop-all.sh
●單獨啓動和停止
在 master 安裝節點上啓動和停止 master:
start-master.sh
stop-master.sh
在 Master 所在節點上啓動和停止worker(work指的是slaves 配置文件中的主機名)
start-slaves.sh
stop-slaves.sh
查看web界面
正常啓動spark集羣后,查看spark的web界面,查看相關信息。
http://node01:8080/
測試
●需求
使用集羣模式運行Spark程序讀取HDFS上的文件並執行WordCount
●集羣模式啓動spark-shell
/export/servers/spark/bin/spark-shell --master spark://node01:7077
●運行程序
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
集羣模式下程序是在集羣上運行的,不要直接讀取本地文件,應該讀取hdfs上的
因爲程序運行在集羣上,具體在哪個節點上我們運行並不知道,其他節點可能並沒有那個數據文件