Spark快速入门系列(2) | Spark 运行模式之Local本地模式

  Local 模式就是指的只在一台计算机上来运行 Spark.   通常用于测试的目的来使用 Local 模式, 实际的生产环境中不会使用 Local 模式.

一. 解压 Spark 安装包

• 1. 把安装包上传到/opt/software/

• 2. 把安装包上传到/opt/module/

[bigdata@hadoop002 software]$ tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz -C /opt/module

• 3. 重命名为spark-local(为了方便复制一个并重新命名)

[bigdata@hadoop002 module]$ cp -r spark-2.1.1-bin-hadoop2.7 spark-local

• 4. 注意

如果有权限问题，可以修改为root，方便学习时操作，实际中使用运维分配的用户和权限即可。

chown -R root /opt/module/spark-local
chgrp -R root /opt/module/spark-local 

• 5. 解压目录说明

bin        可执行脚本
conf       配置文件
data       示例程序使用数据
examples   示例程序
jars       依赖 jar 包
python     pythonAPI
R          R 语言 API
sbin       集群管理命令
yarn       整合yarn需要的文件

二. 运行官方求PI的案例

[bigdata@hadoop002 spark-local]$ bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master local[2] \
./examples/jars/spark-examples_2.11-2.1.1.jar 100

注意:   如果你的shell是使用的zsh, 则需要把local[2]加上引号:'local[2]' 说明:   使用spark-submit来发布应用程序.

2.1 spark-submit语法

./bin/spark-submit \
--class <main-class> \
--master <master-url> \
--deploy-mode <deploy-mode> \
--conf <key>=<value> \
... # other options
<application-jar> \
[application-arguments]

• –master 指定 master 的地址，默认为local. 表示在本机运行.
• –class 你的应用的启动类 (如 org.apache.spark.examples.SparkPi)
• –deploy-mode 是否发布你的驱动到 worker节点(cluster 模式) 或者作为一个本地客户端 (client 模式) (default: client)
• –conf: 任意的 Spark 配置属性， 格式key=value. 如果值包含空格，可以加引号"key=value"
• application-jar: 打包好的应用 jar,包含依赖. 这个 URL 在集群中全局可见。 比如hdfs:// 共享存储系统， 如果是 file:// path， 那么所有的节点的path都包含同样的jar
• application-arguments: 传给main()方法的参数
• –executor-memory 1G 指定每个executor可用内存为1G
• –total-executor-cores 6 指定所有executor使用的cpu核数为6个
• –executor-cores 表示每个executor使用的 cpu 的核数

2.2 关于 Master URL 的说明

2.3 结果展示

2.4 另一种方法

也可以使用run-examples来运行

[bigdata@hadoop002 spark-local]$bin/run-example SparkPi 100

三. 使用 Spark-shell

Spark-shell 是 Spark 给我们提供的交互式命令窗口(类似于 Scala 的 REPL)   本案例在 Spark-shell 中使用 Spark 来统计文件中各个单词的数量.

3.1 创建 2 个文本文件

mkdir input
cd input
touch 1.txt
touch 2.txt

3.2 打开 Spark-shell

[bigdata@hadoop002 spark-local]$ bin/spark-shell 

3.3 查看进程和通过 web 查看应用程序运行情况

• 地址: http://hadoop002:4040

3.4 运行 wordcount 程序

scala> sc.textFile("./input").flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _).collect

3.5 登录hadoop102:4040查看程序运行

四. 提交流程

五. wordcount 数据流程分析

1. textFile("input")：读取本地文件input文件夹数据；
2. flatMap(_.split(" "))：压平操作，按照空格分割符将一行数据映射成一个个单词；
3. map((_,1))：对每一个元素操作，将单词映射为元组；
4. reduceByKey(_+_)：按照key将值进行聚合，相加；
5. collect：将数据收集到Driver端展示。

  本次的分享就到这里了