关于Spark on yarn

Cluster 模式

./bin/spark-submit \
--class com.qf.spark.day1.WordCount\
--master yarn \
--deploy-mode cluster \
--driver-memory 1g \
--executor-memory 1g \
--executor-cores 2 \
--queue default \
/home/bigdata/sparkwordcount.jar\
hdfs://node01:9000/wc
hdfs://node01:9000/out-yarn-1

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

每次提交jar包都会上传一次，耗时久也浪费空间，需要优化
spark on yarn作业运行的jar包缓存优化
1、先将 spark-assembly-hadoop.jar 上传到hdfs的lib目录下
2、上传jar包到这个目录下
3、配置spark文件指定到这个目录

题外话
linux找出某目录下小于1M的文件
find ./ -type f -size -1M 
找出当前目录，及其子目录中，大于1G的所有文件
find ./ -type f -size +1G

注意要根据环境配置这几个参数

--num-executors
--executor-memory 
--executor-cores 

Spark on Yarn 执行单元数、内存、CPU 数的推荐分配

yarn 生产环境下资源不足问题和网络的问题

查看spark on yarn的日志和程序状态的方法

Spark运行状态的监控

Spark中Task，Partition，RDD、节点数、Executor数、core数目的关系