spart_yarn搭建

停止之前使用的master、worker模式，使用yarn模式

停止

[root@ke01 sbin]# ./stop-all.sh 
[root@ke01 sbin]# ./stop-history-server.sh 
[root@ke02 sbin]# ./stop-master.sh

配置spark-env.sh

//删除其他配置，只用如下
[root@ke01 conf]# vi spark-env.sh
export HADOOP_CONF_DIR=/opt/bigdata/hadoop-2.6.5/etc/hadoop

配置spark-defaults.conf

// 因为没有master worker了 所以也就没必要高可用了
[root@ke01 conf]# vi spark-defaults.conf
# spark.deploy.recoveryMode     ZOOKEEPER
# spark.deploy.zookeeper.url    ke02:2181,ke03:2181,ke04:2181
# spark.deploy.zookeeper.dir    /kespark
spark.eventLog.enabled  true
spark.eventLog.dir      hdfs://mycluster/spark_log
spark.history.fs.logDirectory   hdfs://mycluster/spark_log

配置Hadoop的yarn相关

// yarn-site.xml增加
<property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>4096</value>
</property>
<property>
    <name>yarn.nodemanager.resource.cpu-vcores</name>
    <value>4</value>
</property>
<property>
    <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
</property>



// mapred-site.xml增加
<property>
    <name>mapred.job.history.server.embedded</name>
    <value>true</value>
</property>
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>ke03:10020</value>
</property>
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>ke03:50060</value>
</property>
<property>
    <name>mapreduce.jobhistory.intermediate-done-dir</name>
    <value>/work/mr_history_tmp</value>
</property>
<property>
    <name>mapreduce.jobhistory.done-dir</name>
    <value>/work/mr-history_done</value>
</property>

启动

ke01: stop-yarn.sh   start-yarn.sh
ke03、ke04:  yarn-daemon.sh stop resourcemanager  yarn-daemon.sh start resourcemanager

测试

// 先跑一个mr任务 看是否正常
目录：/opt/bigdata/hadoop-2.6.5/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-2.6.5.jar wordcount /sparktest/test.txt /20210215

MR启动有历史详细数据 可以调优就行对比

ke03:root@ke03 bigdata]# mr-jobhistory-daemon.sh start historyserver

启动spark

./spark-shell --master yarn

spark启动有历史详细数据

[root@ke04 sbin]# ./start-history-server.sh

结果：

1. 当开启spark，http://ke03:8088/页面application 状态一直是进行中，当关闭的时候状态才是SUCCEEDED 进度100%(client模式连接)

2.跑一个org.apache.spark.examples.SparkPi任务，是一个独立的MR任务，是资源层连接

为什么spark-shell启动慢，如何优化

1.需要连接hadoop的yarn

2.需要拉取很多jar包

优化：

1.将hadoop目录下的所有jar包上传到hdfs   hdfs dfs -put ./* /work/spark_lib/jars

2.spark-defaults.conf 文件增加

spark.yarn.jars  hdfs://mycluster/work/spark_lib/jars/*  

3. 启动spark:   ./spark-shell --master yarn（日志中不在打印找不到spark.yarn.jars）

测试：

• spark-shell中

  scala> sc.textFile("hdfs://mycluster/sparktest/test.txt").flatMap(x => x.split(" ")).map((_,1)).reduceByKey(_+_).collect().foreach(println)
  (hello,3)                                                                       
  (msb,1)
  (world,1)
  (spark,2)
  (good,1)

• 资源层测试

  vi submit.sh
  
  class=org.apache.spark.examples.SparkPi
  jar=$SPARK_HOME/examples/jars/spark-examples_2.11-2.3.4.jar
  master=yarn
  
  $SPARK_HOME/bin/spark-submit 
  --deploy-mode cluster 
  --master $master 
  --class $class 
  $jar 
  1000
  
  
  . submit.sh
  
  
  http://ke03:8088/ 可以点击History 查看历史日志