Standalone集群搭建與Spark on Yarn配置

1、Standalone

Standalone集群是Spark自帶的資源調度框架，支持分布式搭建，這里建議搭建Standalone節點數為3臺，1臺master節點，2臺worker節點，這虛擬機中每臺節點的內存至少給2G和2個core，這樣才能保證后期Spark基于Standalone的正常運行。搭建Standalone集群的步驟如下：

1）、下載安裝包，解壓

登錄Spark官網下載Spark，官網地址：Spark官網鏈接

點擊“Download”找到“?Spark release archives”找到對應的Spark版本下載。這里選擇Spark2.3.1版本下載。

將下載好的Spark安裝包上傳到Spark Master節點，解壓：

2）、改名

3）、進入安裝包的conf目錄下，修改或者復制slaves.template文件，去掉template后綴，在新的slaves文件中添加從節點。保存。

在slaves中配置worker節點：

4）、復制$SPARK_HOME/conf/spark-env.sh.template 為spark-env.sh，修改spark-env.sh內容：

SPARK_MASTER_HOST:master的ip

SPARK_MASTER_PORT:提交任務的端口，默認是7077

SPARK_WORKER_CORES：每個worker從節點能夠支配的core的個數

SPARK_WORKER_MEMORY:每個worker從節點能夠支配的內存數

JAVA_HOME:java的home，這里需要jdk8

5）、同步到其他節點上

6）、啟動集群

進入sbin目錄下，執行當前目錄下的./start-all.sh

7）、搭建客戶端

將spark安裝包原封不動的拷貝到一個新的節點上，然后，在新的節點上提交任務即可。

注意：

• 8080是Spark WEBUI界面的端口，7077是Spark任務提交的端口。
• 修改master的WEBUI端口：
  • 修改$SPARK_HOME/conf/spark-env.sh即可【建議使用】：

• 修改start-master.sh即可。

• 也可以在Master節點上導入臨時環境變量，只是作用于之后的程序，重啟就無效了。

刪除臨時環境變量：

2、yarn

Spark 也可以基于Yarn進行任務調度，這就是所謂的Spark on Yarn，Spark基于Yarn進行任務調度只需要在Spark客戶端做如下配置即可：

同時這里需要在每臺NodeManager節點中將每臺NodeManager的虛擬內存關閉，在每臺NodeManager節點的$HADOOP_HOME/etc/hadoop/yarn-site.xml中加入如下配置：

<!-- 關閉虛擬內存檢查 -->
<property><name>yarn.nodemanager.vmem-check-enabled</name><value>false</value>
</property>

二、Spark Pi任務測試

Spark PI案例：

Standalone提交命令：

./spark-submit --master spark://mynode1:7077 --class org.apache.spark.examples.SparkPi ../examples/jars/spark-examples_2.11-2.3.1.jar 100

Spark on YARN提交命令：

./spark-submit --master yarn --class org.apache.spark.examples.SparkPi ../examples/jars/spark-examples_2.11-2.3.1.jar 100