疯狂Spark之Spark集群搭建以及任务提交
集群搭建以及测试
Standalone搭建
在node01、node02、node03三台虚拟机上搭建spark集群
下载安装包，将安装包上传到node01上并解压
上传安装包
解压命令：tar -zxvf spark-1.6.0-bin-hadoop2.6.tgz
修改解压包名称命令：mv spark-1.6.0-bin-hadoop2.6 spark-1.6.0
修改配置文件
spark-env.sh
需要修改一下几个参数
SPARK_MASTER_IP:master的ip
SPARK_MASTER_PORT:提交任务的端口，默认是7077
SPARK_WORKER_CORES：每个worker从节点能够支配的core的个数
SPARK_WORKER_MEMORY:每个worker从节点能够支配的内存数
进入文件所在目录命令：cd spark-1.6.0/conf/
修改文件名称命令：mv spark-env.sh.template spark-env.sh
编辑spark-env.sh命令：vi spark-env.sh
在该文件中配置如下内容
export SPARK_MASTER_IP=node01
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=2
export SPARK_WORKER_MEMORY=3g
slaves
修改slaves.template文件，添加从节点。保存。
修改文件名称命令：mv slaves.template slaves
编辑文件命令：vi slaves
下发文件到node02、node03上
下发命令：
scp -r spark-1.6.0 root@node02:/root/
scp -r spark-1.6.0 root@node03:/root/
启动集群
在node01上进入sbin目录下，执行当前目录下的./start-all.sh
进入目录命令： cd spark-1.6.0/sbin/
启动命令：./start-all.sh
此时node01位master,node02、node03位worker,可以通过jps命令查看
注意：
8080是Spark WEBUI界面的端口，7077是Spark任务提交的端口。
修改master的WEBUI端口：
1、修改start-master.sh即可。
2、可以在Master节点上导入临时环境变量，只是作用于之后的程序，重启就无效 了。
删除临时环境变量：
访问spark web-ui界面
测试
PI案例：
Standalone提交命令：
进入spark提交命令路径：cd spark-1.6.0/bin/
./spark-submit --master spark://node01:7077
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 1000
web-ui界面效果
搭建客户端
将spark安装包原封不动的拷贝到一个新的节点上，然后，在新的节点上提交任务即可。
在node04上上传spark安装包并解压
修改解压包名称命令：mv spark-1.6.0-bin-hadoop2.6 spark-1.6.0
进入spark提交命令路径：cd spark-1.6.0/bin/
./spark-submit --master spark://node01:7077
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 1000
Standalone模式两种提交任务方式
Standalone-client提交任务方式
提交命令
./spark-submit --master spark://node01:7077
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100或者
./spark-submit --master spark://node01:7077 --deploy-mode client
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100执行原理图解
执行流程
1、client模式提交任务后，会在客户端启动Driver进程。
2、Driver会向Master申请启动Application启动的资源。
3、资源申请成功，Driver端将task发送到worker端执行。
4、worker将task执行结果返回到Driver端。
总结
client模式适用于测试调试程序。Driver进程是在客户端启动的，这里的客户端就是指提交应用程序的当前节点。在Driver端可以看到task执行的情况。生产环境下不能使用client模式，是因为：假设要提交100个application到集群运行，Driver每次都会在client端启动，那么就会导致客户端100次网卡流量暴增的问题。
Standalone-cluster提交任务方式
提交命令
./spark-submit --master spark://node01:7077 --deploy-mode cluster
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100
执行原理图解
执行流程
1、cluster模式提交应用程序后，会向Master请求启动Driver.
2、Master接受请求，随机在集群一台节点启动Driver进程。
3、Driver启动后为当前的应用程序申请资源。
4、Driver端发送task到worker节点上执行。
5、worker将执行情况和执行结果返回给Driver端。
总结
Driver进程是在集群某一台Worker上启动的，在客户端是无法查看task的执行情况的。假设要提交100个application到集群运行,每次Driver会随机在集群中某一台Worker上启动，那么这100次网卡流量暴增的问题就散布在集群上。
总结Standalone两种方式提交任务，Driver与集群的通信包括：
1. Driver负责应用程序资源的申请
2. 任务的分发。
3. 结果的回收。
4. 监控task执行情况。
Yarn模式两种提交任务方式
yarn-client提交任务方式
提交命令
./spark-submit --master yarn
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100或者
./spark-submit --master yarn–client
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100或者
./spark-submit --master yarn --deploy-mode client
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100
执行原理图解
执行流程
1、客户端提交一个Application，在客户端启动一个Driver进程。
2、应用程序启动后会向RS(ResourceManager)发送请求，启动 AM(ApplicationMaster) 的资源。
3、RS收到请求，随机选择一台NM(NodeManager)启动AM。这里的NM相当于 Standalone中的Worker节点。
4、AM启动后，会向RS请求一批container资源，用于启动Executor.
a、RS会找到一批NM返回给AM,用于启动Executor。
b、AM会向NM发送命令启动Executor。
c、Executor启动后，会反向注册给Driver，Driver发送task到Executor,执 行 情况和结果返回给Driver端。
总结
Yarn-client模式同样是适用于测试，因为Driver运行在本地，Driver会与yarn集群中的Executor进行大量的通信，会造成客户机网卡流量的大量增加.
ApplicationMaster的作用：
1、为当前的Application申请资源
2、给NameNode发送消息启动Executor。
注意：ApplicationMaster有launchExecutor和申请资源的功能，并没有作业调度的功能。
yarn-cluster提交任务方式
提交命令
./spark-submit --master yarn --deploy-mode cluster
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100或者
./spark-submit --master yarn-cluster
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 100
执行原理图解
执行流程
1、客户机提交Application应用程序，发送请求到RS(ResourceManager),请求启动 AM(ApplicationMaster)。
2、RS收到请求后随机在一台NM(NodeManager)上启动AM（相当于Driver端）。
3、AM启动，AM发送请求到RS，请求一批container用于启动Executor。
4、RS返回一批NM节点给AM。
5、AM连接到NM,发送请求到NM启动Executor。
6、Executor反向注册到AM所在的节点的Driver。Driver发送task到Executor。
总结
Yarn-Cluster主要用于生产环境中，因为Driver运行在Yarn集群中某一台nodeManager中，每次提交任务的Driver所在的机器都是随机的，不会产生某一台机器网卡流量激增的现象，缺点是任务提交后不能看到日志。只能通过yarn查看日志。
ApplicationMaster的作用：
1、为当前的Application申请资源
2、给NameNode发送消息启动Excutor。
3、任务调度。
停止集群任务命令：yarn application -kill applicationID