Spark1.0.0 on Standalone 运行架构实例解析

本篇是对 Spark1.0.0 运行架构基本概念进行实例解析，加深对Spark的运行结构基本概念的理解。

1：实验配置

虚拟机cdh1（4G内存，1CPU*2CORE）

虚拟机cdh2（4G内存，1CPU*2CORE）

虚拟机cdh3（4G内存，1CPU*2CORE）

spark配置：

conf/spark-env.sh

export SPARK_MASTER_IP=cdh1
export SPARK_WORKER_CORES=2
export SPARK_WORKER_INSTANCES=2
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_MEMORY=1200m
export MASTER=spark://${SPARK_MASTER_IP}:${SPARK_MASTER_PORT}

conf/slaves

cdh2
cdh3

2：启动spark

在这里spark作为一个资源管理器的存在，类似YARN、Mesos的角色，为Spark Application提供资源。

在本配置里，这个standalone spark所拥有的资源是：2个Worker Node，每个Worker Node提供2Core、2个 INSTANCE（也就是启动2个worker 实例）、1.2G内存。 所以总的资源是： 4个Worker，8个Core，4.8G内存。 可以通过http://cdh1:8080获取相应的信息：

 

3：启动spark-shell

spark-shell 是一个spark application，运行时需要向资源管理器申请资源，如standalone spark、YARN、Mesos。本例向standalone spark申请资源，所以在运行spark-shell时需要指向申请资源的standalone spark集群信息，其参数为MASTER。如果未在spark-env.sh中申明MASTER，则使用命令 MASTER=spark://cdh1:7077 bin/spark-shell启动；如果已经在spark-env.sh中申明MASTER，则可以直接用 bin/spark-shell启动。

由于spark-shell缺省的情况下，会申请所有的CPU资源，也就是8个Core，本实验先看看使用3个Core的情况。至于spark-shell申请内存资源是通过Application中SparkContext中配置-->环境变量SPARK_MEM-->缺省值512M这样的优先次序来决定，本例中未做任何设置 ，故每个Executor使用的是512M。

[hadoop@cdh1 spark09]$ bin/spark-shell -c 3

刚搬家到CSDN，本篇要重写