spark-submit 提交Application

 在spark1.0中推出spark-submit来统一提交applicaiton

./bin/spark-submit \

  --class <main-class>

  --master <master-url> \

  --deploy-mode <deploy-mode> \

  ... # other options

  <application-jar> \

  [application-arguments]

 

--class：application的入口点；

--master：集群的master url；

--deploy-mode：driver在集群中的部署模式；

application-jar：application代码的jar包， 可以放在HDFS上，也可以放在本地文件系统上；

 

standalone模式案例：

spark-submit \

--name SparkSubmit_Demo \

--class com.luogankun.spark.WordCount \

--master spark://hadoop000:7077 \

--executor-memory 1G \

--total-executor-cores 1 \

/home/spark/data/spark.jar \

hdfs://hadoop000:8020/hello.txt

 

需要在master中设置spark集群的master地址；

 

yarn-client模式案例：

spark-submit \

--name SparkSubmit_Demo \

--class com.luogankun.spark.WordCount \

--master yarn-client \

--executor-memory 1G \

--total-executor-cores 1 \

/home/spark/data/spark.jar \

hdfs://hadoop000:8020/hello.txt

 

yarn-cluster模式案例：

spark-submit \

--name SparkSubmit_Demo \

--class com.luogankun.spark.WordCount \

--master yarn-cluster \

--executor-memory 1G \

--total-executor-cores 1 \

/home/spark/data/spark.jar \

hdfs://hadoop000:8020/hello.txt

 

注：提交yarn上执行需要配置HADOOP_CONF_DIR

 

yarn-client和yarn-cluser的区别：以Driver的位置来区分

yarn-client：

　　Client和Driver运行在一起，ApplicationMaster只用来获取资源；结果实时输出在客户端控制台上，可以方便的看到日志信息，推荐使用该模式；

　　提交到yarn后，yarn先启动ApplicationMaster和Executor，两者都是运行在Container中。注意：一个container中只运行一个executorbackend；

yarn-cluser：

　　Driver和ApplicationMaster运行在一起，所以运行结果不能在客户端控制台显示，需要将结果需要存放在HDFS或者写到数据库中；

　　driver在集群上运行，可通过ui界面访问driver的状态。