Spark运行环境及不同部署模式：Local模式和Standalone模式

深碍√TFBOYSˉ_ 2023-10-04 12:44 107阅读 0赞

--------------------

title: Spark运行环境及不同部署模式:Local模式和Standalone模式  
date: 2021-05-07 16:16:02  
tags:

*  Spark

--------------------

Spark 作为一个数据处理框架和计算引擎，被设计在所有常见的集群环境中运行, 在国内工作中主流的环境为 Yarn，不过逐渐容器式环境也慢慢流行起来。接下来，我们就分别看看不同环境下 Spark 的运行。

## Local模式 ##

> 想啥呢，你之前一直在使用的模式可不是 Local 模式哟。所谓的 Local 模式，就是不需要其他任何节点资源就可以在本地执行 Spark 代码的环境，一般用于教学，调试，演示等，之前在 IDEA 中运行代码的环境我们称之为开发环境，不太一样。

### 解压缩文件 ###

> 将 spark-3.0.0-bin-hadoop3.2.tgz 文件上传到 Linux 并解压缩，放置在指定位置，路径中不要包含中文或空格，课件后续如果涉及到解压缩操作，不再强调。

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
    cd /opt/module
    mv spark-3.0.0-bin-hadoop3.2 spark-local

### 启动 Local 环境 ###

1.  进入解压缩后的路径，执行如下指令

bin/spark-shell

![image-20210507164009750][]

1.  启动成功后，可以输入网址进行 Web UI 监控页面访问

http://虚拟机地址:4040

![image-20210507164200888][]

### 命令行工具 ###

在解压缩文件夹下的 data 目录中，添加 word.txt 文件。在命令行工具中执行如下代码指令（和 IDEA 中代码简化版一致）

sc.textFile("data/word.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect

![image-20210507164344293][]

### 退出本地模式 ###

按键 Ctrl+C 或输入 Scala 指令

:quit

### 提交应用 ###

bin/spark-submit \
    --class org.apache.spark.examples.SparkPi \
    --master local[2] \
    ./examples/jars/spark-examples_2.12-3.0.0.jar \
    10

> 1.  –class 表示要执行程序的主类，此处可以更换为咱们自己写的应用程序
> 2.  –master local\[2\] 部署模式，默认为本地模式，数字表示分配的虚拟 CPU 核数量
> 3.  spark-examples\_2.12-3.0.0.jar 运行的应用类所在的 jar 包，实际使用时，可以设定为咱们自己打的 jar 包
> 4.  数字 10 表示程序的入口参数，用于设定当前应用的任务数量

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QreFb0ox-1620438319743)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507164729366.png)\]

## Standalone模式 ##

local 本地模式毕竟只是用来进行练习演示的，真实工作中还是要将应用提交到对应的集群中去执行，这里我们来看看只使用 Spark 自身节点运行的集群模式，也就是我们所谓的独立部署（Standalone）模式。Spark 的 Standalone 模式体现了经典的 master-slave 模式。  
集群规划:

![image-20210507164859073][]

### 解压缩文件 ###

将 spark-3.0.0-bin-hadoop3.2.tgz 文件上传到 Linux 并解压缩在指定位置

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
    cd /opt/module
    mv spark-3.0.0-bin-hadoop3.2 spark-standalone

### 修改配置文件 ###

1.  进入解压缩后路径的 conf 目录，修改 slaves.template 文件名为 `slaves`
2.  修改 slaves 文件，添加 work 节点  
    `linux1 linux2 linux3`
3.  修改 spark-env.sh.template 文件名为 spark-env.sh  
    `mv spark-env.sh.template spark-env.sh`
4.  修改 spark-env.sh 文件，添加 JAVA\_HOME 环境变量和集群对应的 master 节点  
    `export JAVA_HOME=/opt/module/jdk1.8.0_144 SPARK_MASTER_HOST=linux1 SPARK_MASTER_PORT=7077`  
    注意：7077 端口，相当于 hadoop3 内部通信的 8020 端口，此处的端口需要确认自己的 Hadoop配置
5.  分发 spark-standalone 目录

xsync spark-standalone
    mv slaves.template slaves

### 启动集群 ###

1.  执行脚本命令：  
    `sbin/start-all.sh`

![image-20210507165636994][]

1.  查看三台服务器运行进程  
    `================linux1================ 3330 Jps 3238 Worker 3163 Master ================linux2================ 2966 Jps 2908 Worker ================linux3================ 2978 Worker 3036 Jps`
2.  查看 Master 资源监控 Web UI 界面: http://linux1:8080

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PczTU9jY-1620438319748)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507165830360.png)\]

### 提交应用 ###

bin/spark-submit \
    --class org.apache.spark.examples.SparkPi \
    --master spark://linux1:7077 \
    ./examples/jars/spark-examples_2.12-3.0.0.jar \
    10

> 1.  –class 表示要执行程序的主类
> 2.  –master spark://linux1:7077 独立部署模式，连接到 Spark 集群
> 3.  spark-examples\_2.12-3.0.0.jar 运行类所在的 jar 包
> 4.  数字 10 表示程序的入口参数，用于设定当前应用的任务数量

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EOHSQjF2-1620438319749)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507165920415.png)\]

执行任务时，会产生多个 Java 进程

![image-20210507165942443][]

执行任务时，默认采用服务器集群节点的总核数，每个节点内存 1024M。

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XmgUGFbM-1620438319753)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507170007155.png)\]

### 提交参数说明 ###

在提交应用中，一般会同时一些提交参数

bin/spark-submit \
    --class <main-class>
    --master <master-url> \
    ... # other options
    <application-jar> \
    [application-arguments]

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>解释</th> 
   <th>可选值举例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>–class</td> 
   <td>Spark 程序中包含主函数的类</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>–master</td> 
   <td>Spark 程序运行的模式(环境)</td> 
   <td>模式：local[*]、spark://linux1:7077、Yarn</td> 
  </tr> 
  <tr> 
   <td>–executor-memory 1G</td> 
   <td>指定每个 executor 可用内存为 1G</td> 
   <td>符合集群内存配置即可，具体情况具体分析。</td> 
  </tr> 
  <tr> 
   <td>–total-executor-cores 2</td> 
   <td>指定所有executor使用的cpu核数为 2 个</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>–executor-cores</td> 
   <td>指定每个executor使用的cpu核数</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>application-jar</td> 
   <td>打包好的应用 jar，包含依赖。这个 URL 在集群中全局可见。 比如 hdfs:// 共享存储系统，如果是file:// path，那么所有的节点的path 都包含同样的 jar</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>application-arguments</td> 
   <td>传给 main()方法的参数</td> 
   <td></td> 
  </tr> 
 </tbody> 
</table>

### 配置历史服务 ###

由于 spark-shell 停止掉后，集群监控 linux1:4040 页面就看不到历史任务的运行情况，所以开发时都配置历史服务器记录任务运行情况。

1.  修改 spark-defaults.conf.template 文件名为 spark-defaults.conf  
    `mv spark-defaults.conf.template spark-defaults.conf`
2.  修改 spark-default.conf 文件，配置日志存储路径  
    `spark.eventLog.enabled true`  
    `spark.eventLog.dir hdfs://linux1:8020/directory`  
    注意：需要启动 hadoop 集群，HDFS 上的 directory 目录需要提前存在。  
    `sbin/start-dfs.sh`  
    `hadoop fs -mkdir /directory`
3.  修改 spark-env.sh 文件, 添加日志配置  
    `export SPARK_HISTORY_OPTS=" -Dspark.history.ui.port=18080 -Dspark.history.fs.logDirectory=hdfs://linux1:8020/directory -Dspark.history.retainedApplications=30"`  
    ⚫ 参数 1 含义：WEB UI 访问的端口号为 18080  
    ⚫ 参数 2 含义：指定历史服务器日志存储路径  
    ⚫ 参数 3 含义：指定保存 Application 历史记录的个数，如果超过这个值，旧的应用程序信息将被删除，这个是内存中的应用数，而不是页面上显示的应用数。
4.  分发配置文件  
    `xsync conf`
5.  重新启动集群和历史服务  
    `sbin/start-all.sh sbin/start-history-server.sh`
6.  重新执行任务  
    `bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://linux1:7077 \ ./examples/jars/spark-examples_2.12-3.0.0.jar \ 10`

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QMGWgN5C-1620438319754)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507171723554.png)\]

1.  查看历史服务：http://linux1:18080

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7yirgwDE-1620438319757)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507171937774.png)\]

### 配置高可用（HA ） ###

所谓的高可用是因为当前集群中的 Master 节点只有一个，所以会存在单点故障问题。所以为了解决单点故障问题，需要在集群中配置多个 Master 节点，一旦处于活动状态的 Master发生故障时，由备用 Master 提供服务，保证作业可以继续执行。这里的高可用一般采用Zookeeper 设置.

集群规划:

![image-20210507172122556][]

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mN4A2dBn-1620438319759)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507172306974.png)\]

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eCcNJogB-1620438319761)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507172327584.png)\]

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MMnEryfo-1620438319762)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507172351209.png)\]

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1zlhKJuG-1620438319764)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507172413137.png)\]

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AZhgylHv-1620438319765)(https://raw.githubusercontent.com/a772304419/TyporaPicGo/master/image-20210507172432559.png)\]

[image-20210507164009750]: https://img-blog.csdnimg.cn/img_convert/c3cdfb277f04a34ac40c2d90c4165854.png
[image-20210507164200888]: https://img-blog.csdnimg.cn/img_convert/fe5105cbb8a98dbe23e1cac47f385f76.png
[image-20210507164344293]: https://img-blog.csdnimg.cn/img_convert/663ebab8d8a0532f990ba33150c3a87d.png
[image-20210507164859073]: https://img-blog.csdnimg.cn/img_convert/dbd2cba3fdf19282b19f40ea3c04074f.png
[image-20210507165636994]: https://img-blog.csdnimg.cn/img_convert/675fe4b8b9e4e5108d43b5a34c837abc.png
[image-20210507165942443]: https://img-blog.csdnimg.cn/img_convert/7e8914d6d6d86cac6f74a69db0442551.png
[image-20210507172122556]: https://img-blog.csdnimg.cn/img_convert/6b695f92171d87ea809828c22159f3e8.png