如何進行大數據Spark運行環境中的Standalone模式與配置

今天就跟大家聊聊有關如何進行大數據Spark運行環境中的Standalone模式與配置，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

大數據Spark運行環境：Standalone模式與相關配置

Standalone模式

這里我們來看看只使用Spark自身節點運行的集群模式，也就是我們所謂的獨立部署(Standalone)模式。Spark的Standalone模式體現了經典的master-slave模式。

集群規劃:

1 解壓縮文件

將spark-3.0.0-bin-hadoop3.2.tgz.tgz文件上傳到Linux并解壓縮在指定位置

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

2 修改配置文件

1) 進入解壓縮后路徑的conf目錄，修改slaves.template文件名為slaves

mv slaves.template slaves

2) 修改slaves文件，添加work節點

hadoop102hadoop103hadoop104

3) 修改spark-env.sh.template文件名為spark-env.sh

mv spark-env.sh.template spark-env.sh

4) 修改spark-env.sh文件，添加JAVA_HOME環境變量和集群對應的master節點

export JAVA_HOME=/opt/module/jdk1.8.0_212 SPARK_MASTER_HOST=hadoop102SPARK_MASTER_PORT=7077

注意：7077端口，相當于hadoop3.x內部通信的8020端口，此處的端口需要確認自己的虛擬機配置

5) 分發spark-standalone目錄

xsync spark-standalone

3 啟動集群

1) 執行腳本命令：

sbin/start-all.sh

2) 查看三臺服務器運行進程

================hadoop102================ 3330 Jps 3238 Worker 3163 Master ================hadoop103================ 2966 Jps 2908 Worker ================hadoop104================ 2978 Worker 3036 Jps

3) 查看Master資源監控Web UI界面: http://hadoop102:8080

4 提交應用

bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://hadoop102:7077 \ ./examples/jars/spark-examples_2.12-3.0.0.jar \ 10

• --class表示要執行程序的主類

• --master spark://hadoop102:7077 獨立部署模式，連接到Spark集群

• spark-examples_2.12-3.0.0.jar 運行類所在的jar包

• 數字10表示程序的入口參數，用于設定當前應用的任務數量

執行任務時，會產生多個Java進程

執行任務時，默認采用服務器集群節點的總核數，每個節點內存1024M。

5 配置歷史服務

由于spark-shell停止掉后，集群監控hadoop102:4040頁面就看不到歷史任務的運行情況，所以開發時都配置歷史服務器記錄任務運行情況。

1) 修改spark-defaults.conf.template文件名為spark-defaults.conf

mv spark-defaults.conf.template spark-defaults.conf

2) 修改spark-default.conf文件，配置日志存儲路徑

spark.eventLog.enabled          true spark.eventLog.dir               hdfs://hadoop102:8020/directory

注意：需要啟動hadoop集群，HDFS上的directory目錄需要提前存在。

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://hadoop102:8020/directory -Dspark.history.retainedApplications=30"

注：寫成一行!!空格隔開!!!

• 參數1含義：WEB UI訪問的端口號為18080

• 參數2含義：指定歷史服務器日志存儲路徑

• 參數3含義：指定保存Application歷史記錄的個數，如果超過這個值，舊的應用程序信息將被刪除，這個是內存中的應用數，而不是頁面上顯示的應用數。

4) 分發配置文件

xsync conf

5) 重新啟動集群和歷史服務

sbin/start-all.sh sbin/start-history-server.sh

6) 重新執行任務

bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://hadoop102:7077 \ ./examples/jars/spark-examples_2.12-3.0.0.jar \ 10

7) 查看歷史服務：http://hadoop102:18080

6 配置高可用(HA)

所謂的高可用是因為當前集群中的Master節點只有一個，所以會存在單點故障問題。所以為了解決單點故障問題，需要在集群中配置多個Master節點，一旦處于活動狀態的Master發生故障時，由備用Master提供服務，保證作業可以繼續執行。這里的高可用一般采用Zookeeper設置

集群規劃:

1) 停止集群

sbin/stop-all.sh

2) 啟動Zookeeper

3) 修改spark-env.sh文件添加如下配置

注釋如下內容： #SPARK_MASTER_HOST=hadoop102#SPARK_MASTER_PORT=7077  添加如下內容:#Master監控頁面默認訪問端口為8080，但是會和Zookeeper沖突，所以改成8989，也可以自定義，訪問UI監控頁面時請注意 SPARK_MASTER_WEBUI_PORT=8989  export SPARK_DAEMON_JAVA_OPTS=" -Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=hadoop102,hadoop103,hadoop104 -Dspark.deploy.zookeeper.dir=/spark"

注：寫成一行!!空格隔開!!!

4) 分發配置文件

xsync conf/

5) 啟動集群

sbin/start-all.sh

6) 啟動hadoop103的單獨Master節點，此時hadoop103節點Master狀態處于備用狀態

[bigdata@hadoop103 spark-standalone]$ sbin/start-master.sh

7) 提交應用到高可用集群

bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://hadoop102:7077,hadoop103:7077 \ ./examples/jars/spark-examples_2.12-3.0.0.jar \ 10

8) 停止hadoop102的Master資源監控進程

9) 查看hadoop103的Master 資源監控Web UI，稍等一段時間后，hadoop103節點的Master狀態提升為活動狀態

看完上述內容，你們對如何進行大數據Spark運行環境中的Standalone模式與配置有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。