[comment]: # Spark集群 + Akka + Kafka + Scala 开发(2) : 开发一个Spark应用
前言
在Spark集群 + Akka + Kafka + Scala 开发(1) : 配置开发环境，我们已经部署好了一个Spark的开发环境。
本文的目标是写一个Spark应用，并可以在集群中测试。
创建一个Scala的工程- SimpleAPP
- 建一个目录SimpleAPP
mkdir SimpleAPP
mkdir -p SimpleAPP/src/main/scala
- 建一个SimpleAPP/src/main/scala/SimpleApp.scala文件
这个程序会进行MapReduce计算，计算从1到输入参数n的平方和。
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
object SimpleApp {
def main(args: Array[String]) {
squareSum(10000)
}
private def squareSum(n: Long): Long = {
val conf = new SparkConf().setAppName("Simple Application")
val sc = new SparkContext(conf)
val squareSum = sc.parallelize(1L until n).map { i =>
i * i
}.reduce(_ + _)
println(s"============== The square sum of $n is $squareSum. ==============")
squareSum
}
}
- 建一个SimpleAPP/build.sbt文件
name := "Simple Application Project"
version := "1.0"
scalaVersion := "2.11.8"
libraryDependencies += "org.apache.spark" %% "spark-core" % "2.0.0"
构建你的工程
- 构建工程
# move to the project folder
cd SimpleAPP
# build the project
sbt package
Output:
[info] Packaging .../target/scala-2.11/simple-application-project_2.11-1.0.jar ...
[info] Done packaging.
粗体的部分是构建出来的jar文件相对路径。需要记住，运行的时候有用。
- 运行工程
使用spark提供的命令运行我们的spark应用。
--master local[4]表示在local模式下运行，使用4个线程。
# run the project in local with 4 threads
$SPARK_HOME/bin/spark-submit --master local[4] --class SimpleApp target/scala-2.11/simple-application-project_2.11-1.0.jar
输出 （会有很多的log输出）:
...
============== The square sum of 10000 is 333283335000. ==============
...
现在，我们完成了一个简单的spark工程的开发。下一步，看看如何在集群中运行。
启动一个standalone集群环境。
部署一个standalone集群环境不是本文要讲的内容。
所以，现在我们只使用单机上的集群功能。
如果想部署一个有多个机器的standalone集群环境，可以查看在官网上的说明。部署起来也比较简单。
基本概念
-
Master server
集群环境中，主从架构里的主服务器。
可以有多个master server，只能有一个是leader，其它的都是standby。（我猜的）
Spark使用ZooKeeper的实现主服务器的灾难恢复。 -
Slave worker
集群环境中，主从架构里的从服务器。 -
Master URL
在standalone集群环境中，master服务器启动后，master服务器提供了一个master URL用于和slave workers交互。
默认的Master URL是：spark://$(hostname):7077
实际的Master URL可以在master服务器的日志中找到。
这个Master URL用于:- 启动slave workers。
- Spark应用的
--master配置。
-
Master Web UI
在master服务器启动后，master服务器提供了一个web应用，可以通过浏览器来查看运行的状态。
默认的Master Web UI URL是：http://localhost:8080
实际的Master Web UI URL可以在master服务器的日志中找到。 -
Slave Web UI
在Slave worker启动后，slave worker提供了一个web应用，可以通过浏览器来查看运行的状态。
默认的Slave Web UI URL是：http://localhost:8081
实际的Slave Web UI URL可以在master服务器的日志中找到。
启动master和slave服务
- 启动master服务器
# start master
$SPARK_HOME/sbin/start-master.sh
输出:
starting org.apache.spark.deploy.master.Master, logging to /opt/spark/logs/spark-steven-org.apache.spark.deploy.master.Master-1-sycentos.localdomain.out
- 如果需要，查看一个Master URL
# We need get the spark master url
cat $SPARK_HOME/logs/spark-steven-org.apache.spark.deploy.master.Master-1-sycentos.localdomain.out | grep Master:
# or
cat $SPARK_HOME/logs/spark-$(whoami)-org.apache.spark.deploy.master.Master-1-$(hostname).out | grep Master:
输出：
16/09/23 19:45:37 INFO Master: Started daemon with process name: 4604@sycentos.localdomain
16/09/23 19:45:42 INFO Master: Starting Spark master at spark://sycentos.localdomain:7077
16/09/23 19:45:42 INFO Master: Running Spark version 2.0.0
16/09/23 19:45:44 INFO Master: I have been elected leader! New state: ALIVE
16/09/23 19:59:26 INFO Master: Registering worker 10.0.2.15:36442 with 4 cores, 2.7 GB RAM
16/09/23 20:15:13 INFO Master: 10.0.2.15:42662 got disassociated, removing it.
16/09/23 20:15:13 INFO Master: 10.0.2.15:36442 got disassociated, removing it.
16/09/23 20:15:13 INFO Master: Removing worker worker-20160923195923-10.0.2.15-36442 on 10.0.2.15:36442
16/09/23 20:15:39 INFO Master: Registering worker 10.0.2.15:42462 with 4 cores, 2.7 GB RAMNote: Master: I have been elected leader! New state: ALIVE
粗体就是Master URL.
- 启动slave
$SPARK_HOME/sbin/start-slave.sh spark://$(hostname):7077
# or
# $SPARK_HOME/sbin/start-slave.sh spark://sycentos.localdomain:7077
输出：
starting org.apache.spark.deploy.worker.Worker, logging to /opt/spark/logs/spark-steven-org.apache.spark.deploy.worker.Worker-1-sycentos.localdomain.out
- 如果需要，检测是否slave被成功启动了。
cat $SPARK_HOME/logs/spark-$(whoami)-org.apache.spark.deploy.worker.Worker-1-$(hostname).out | grep spark://
# or
# cat $SPARK_HOME/logs/spark-steven-org.apache.spark.deploy.worker.Worker-1-sycentos.localdomain.out
输出：
16/09/23 20:15:39 INFO Worker: Successfully registered with master spark://sycentos.localdomain:7077
这时，spart的master和slave服务都已经启动。
说明一下，关闭Master的命令是：
$SPARK_HOME/sbin/stop-master.sh
$SPARK_HOME/sbin/stop-slave.sh
在集群环境上，运行SimpleAPP
进入到SimpleApp的目录，并运行：
# run the project
$SPARK_HOME/bin/spark-submit --master spark://$(hostname):7077 --class SimpleApp target/scala-2.11/simple-application-project_2.11-1.0.jar
输出：
...
16/09/23 20:34:40 INFO StandaloneAppClient(ClientEndpoint: Connecting to master spark://sycentos.localdomain:7077... ... 16/09/23 20:34:40 INFO StandaloneAppClient)ClientEndpoint: Executor added: app-20160923203440-0000/0 on worker-20160923201537-10.0.2.15-42462 (10.0.2.15:42462) with 4 cores
...
通过查找关键字master和worker，可以确认是在集群上运行。
访问master web UI.
获取Master Web UI的地址。
从master服务的log里，可以找到master URL。
# Query master web UI url from master service log.
cat /opt/spark/logs/spark-steven-org.apache.spark.deploy.master.Master-1-sycentos.localdomain.out | grep MasterWebUI
输出：
16/09/23 19:45:43 INFO MasterWebUI: Bound MasterWebUI to 0.0.0.0, and started at http://10.0.2.15:8080
访问Master Web UI
通过浏览器访问http://localhost:8080/，可以看到有一个完成的应用。
现在，我们已经可以在集群环境中运行SimpleApp
理解Spark Application
- 一个Spark Application是一个运行在Spark环境中的Java应用。
- 需要在安装了Spark的机器上，通过Spark命令来启动。
- Spark Application是通过Spark Master URL和Spark Master Server交互，因此，不一定需要在Spark的Master或者Slave上启动。
- Spark Application是通过SparkConf和SparkContext与Spark系统交互。
下面请看
至此，我们已经写好了一个spark集群scala的应用。下一步请看：
Spark集群 + Akka + Kafka + Scala 开发(3) : 开发一个Akka + Spark的应用
Spark集群 + Akka + Kafka + Scala 开发(4) : 开发一个Kafka + Spark的应用