spark集群部署-SPARK ON YARN

一、spark on yark的本质：

master角色由yarn的resourcemanager担任（集群资源管家）。

worker角色由nodemanager担任（单机资源管家）。

driver运行在yarn容器内或者提交任务的客户端过程内。

干活的executor运行在yarn提供的容器内。

需要什么？

yarn集群

spark客户端

被提交的代码程序

部署：

Hadoop和yarn的环境变量

袁神启动！

在此之前要启动Hadoop-yarn。并进入expert里面的spark文件夹，启动。

bin/pyspark --master yarn

集群调度交给yarn，计算交给spark的executor。

两种运行模式：

1.cluster模式：driver运行在yarn容器内部

spark-submit --master yarn --deploy-mode cluster my_spark_app.py

2.client模式：driver运行在客户端，以上指令为客户端。

1）

• pyspark 是 Spark 的交互式 PySpark Shell，通常用于在交互式 Python 环境（如 Jupyter Notebook 或终端）中运行 Spark 作业。pyspark --master yarn

• 是 Spark 的应用程序提交工具，用于将打包好的 Spark 应用程序（如 .py 或 .jar 文件）提交到集群上运行。spark-submit --master yarn --deploy-mode my_spark_app.py