Spark系列-5、Spark的部署方式之Spark on YARN
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
大数据系列文章目录
官方网址：http://spark.apache.org/、https://databricks.com/spark/about
目录
- 前言
- 属性配置
-
- 设置环境变量
- 历史服务MRHistoryServer地址
- 历史服务HistoryServer地址
- 配置依赖Spark Jar包
- YARN 资源检查
- 启动服务
- 提交应用
- 结束
前言
将Spark Application提交运行到YARN集群上，至关重要，企业中大多数都是运行在YANR 上，文档：http://spark.apache.org/docs/2.4.5/running-on-yarn.html#launching-spark-on-yarn。
属性配置
当Spark Application运行到YARN上时，在提交应用时指定master为yarn即可，同时需要告知YARN集群配置信息（比如ResourceManager地址信息），此外需要监控Spark Application，配置历史服务器相关属性。
设置环境变量
在【$SPARK_HOME/conf/spark-env.sh】配置文件中，添加如下内容：
vim /export/server/spark/conf/spark-env.sh
## 添加内容
HADOOP_CONF_DIR=/export/server/hadoop/etc/hadoop YARN_CONF_DIR=/export/server/hadoop/etc/hadoop
同步配置到【node2.cn】和【node3.cn】机器，命令如下：
cd /export/server/spark/conf
scp -r spark-env.sh [email protected]:$PWD
scp -r spark-env.sh [email protected]:$PWD
历史服务MRHistoryServer地址
在【$HADOOP_HOME/etc/hadoop/yarn-site.xml】配置文件中，指定MRHistoryServer地址信息，添加如下内容
## 在node1.cn上修改
vim /export/server/hadoop/etc/hadoop/yarn-site.xml
## 添加内容
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
<property>
<name>yarn.log.server.url</name>
<value>http://node1.cn:19888/jobhistory/logs</value>
</property>
同步配置到【node2.cn】和【node3.cn】机器，命令如下：
cd /export/server/hadoop/etc/hadoop
scp -r yarn-site.xml [email protected]:$PWD
scp -r yarn-site.xml [email protected]:$PWD
历史服务HistoryServer地址
在【$SPARK_HOME/conf/spark-defaults.conf】文件增加SparkHistoryServer地址信息：
## 在node1.cn上修改
vim /export/server/spark/conf/spark-defaults.conf
## 添加内容
spark.yarn.historyServer.address node1.cn:18080
同步配置到【node2.cn】和【node3.cn】机器，命令如下：
cd /export/server/spark/conf
scp -r spark-defaults.conf [email protected]:$PWD
scp -r spark-defaults.conf [email protected]:$PWD
配置依赖Spark Jar包
当Spark Application应用提交运行在YARN上时，默认情况下，每次提交应用都需要将依赖Spark相关jar包上传到YARN 集群中，为了节省提交时间和存储空间，将Spark相关jar包上传到HDFS目录中，设置属性告知Spark Application应用。
## 启动HDFS，在node1.cn上操作
hadoop-daemon.sh start namenode hadoop-daemons.sh start datanode
## hdfs上创建存储spark相关jar包目录
hdfs dfs -mkdir -p /spark/apps/jars/
## 上传$SPARK_HOME/jars所有jar包
hdfs dfs -put /export/server/spark/jars/* /spark/apps/jars/
在【$SPARK_HOME/conf/spark-defaults.conf】文件增加Spark 相关jar包存储HDFS位置信息：
## 在node1.itcast.cn上操作
vim /export/server/spark/conf/spark-defaults.conf
## 添加内容
spark.yarn.jars hdfs://node1.cn:8020/spark/apps/jars/*
同步配置到【node2.cn】和【node3.cn】机器，命令如下：
## 在node1.cn上操作
cd /export/server/spark/conf
scp -r spark-defaults.conf [email protected]:$PWD
scp -r spark-defaults.conf [email protected]:$PWD
YARN 资源检查
由于使用虚拟机运行服务，默认情况下YARN检查机器内存，当内存不足时，提交的应用无法运行，可以设置不检查资源，命令如下：
## 编辑yarn-site.xml文件，在node1.cn上操作
vim /export/server/hadoop/etc/hadoop/yarn-site.xml
## 添加内容
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
同步配置到【node2.cn】和【node3.cn】机器，命令如下：
cd /export/server/hadoop/etc/hadoop
scp -r yarn-site.xml [email protected]:$PWD
scp -r yarn-site.xml [email protected]:$PWD
启动服务
Spark Application运行在YARN上时，上述配置完成，以此启动服务：HDFS、YARN、MRHistoryServer和Spark HistoryServer，命令如下：
## 启动HDFS和YARN服务，在node1.cn执行命令
hadoop-daemon.sh start namenode hadoop-daemons.sh start datanode yarn-daemon.sh start resourcemanager yarn-daemons.sh start nodemanager
## 启动MRHistoryServer服务，在node1.cn执行命令
mr-jobhistory-daemon.sh start historyserver
## 启动Spark HistoryServer服务，，在node1.cn执行命令
/export/server/spark/sbin/start-history-server.sh
提交应用
先将圆周率PI程序提交运行在YARN上，命令如下：
SPARK_HOME=/export/server/spark
${SPARK_HOME}/bin/spark-submit \
--master yarn \
--class org.apache.spark.examples.SparkPi \
${SPARK_HOME}/examples/jars/spark-examples_2.11-2.4.5.jar \ 10
运行完成在YARN 监控页面截图如下：
设置资源信息，提交运行WordCount程序至YARN上，命令如下：
SPARK_HOME=/export/server/spark
${SPARK_HOME}/bin/spark-submit \
--master yarn \
--driver-memory 512m \
--executor-memory 512m \
--executor-cores 1 \
--num-executors 2 \
--queue default \
--class cn.spark.submit.SparkSubmit \ hdfs://node1.cn:8020/spark/apps/spark-chapter01_2.11-1.0.0.jar \
/datas/wordcount.data /datas/swcy-output
当WordCount应用运行YARN上完成以后，从8080 WEB UI页面点击应用历史服务连接，查看应用运行状态信息。
结束
本篇文章讲了Spark的部署方式Spark on YARN，Spark on YARN也是目前企业使用最多的一种部署方式。