spark on yarn

配置安装

安装hadoop：需要安装HDFS模块和YARN模块，HDFS必须安装，spark运行时要把jar包存放到HDFS上。
安装Spark：解压Spark安装程序到一台服务器上，修改spark-env.sh配置文件，该spark将作为YARN的客户端用于提交任务

[root@hadoop1 conf]# vi spark-env.sh

#追加内容
export JAVA_HOME=/usr/java/jdk1.8.0_141
export HADOOP_CONF_DIR=/usr/hadoop/hadoop-2.7.3/etc/hadoop

启动HDFS和YARN

[root@hadoop1 conf]# start-all.sh

运行模式

cluster模式

./bin/spark-submit --class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
--driver-memory 1g \
--executor-memory 1g \
--executor-cores 2 \
--queue default \
lib/spark-examples*.jar \
10

client模式

./bin/spark-submit --class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode client \
--driver-memory 1g \
--executor-memory 1g \
--executor-cores 2 \
--queue default \
lib/spark-examples*.jar \
10

注："–class"表示执行程序的全类名，"–master"表示程序运行在那个环境，"–deploy-mode"表示指定那种模式，"–driver-memory"表示为driver分配内存，"–executor-memory"表示为executor分配内存，"–executor-cores"表示指定一个executor使用几个核，"–queue"表示指定使用那种资源调度器，"lib/spark-examples*.jar"表示架包所在的位置，“10"表示传递的参数，” "表示换行。

两种模式的区别

cluster模式：Driver程序在YARN中运行，应用的运行结果不能在客户端显示，所以最好运行那些将结果最终保存在外部存储介质（如HDFS、Redis、Mysql），而非stdout输出的应用程序，客户端的终端显示的仅是作为YARN的job的简单运行状况。
client模式：Driver运行在Client上，应用程序运行结果会在客户端显示，所有适合运行结果有输出的应用程序（如spark-shell）
所以spark-shell必须使用client模式

[root@hadoop1 conf]# ./bin/spark-shell --master yarn --deploy-mode client --driver-memory 1g --executor-memory g --executor-cores 1 --queue default
或
./bin/spark-shell --master yarn --deploy-mode client

注意：如果你配置spark-on-yarn的client模式，其实会报错。修改所有yarn节点的yarn-site.xml，在该文件中添加如下内容

<property>
    <name>yarn.nodemanager.pmem-check-enabled</name>
    <value>false</value>
</property>
<property>
    <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
</property>