Spark On Yarn环境部署测试（standalone）

Spark On Yarn环境部署测试（使用伪分布）

一、前提工作

安装了Hadoop伪分布，可以参考：Hadoop2.7.3环境搭建之伪分布式
安装spark伪分布，可参考：Spark Standalone单机模式环境搭建

二、配置Spark On Yarn

修改yarn-site.xml,添加如下信息

<!--是否启动一个线程检查每个任务正使用的物理内存量，如果任务超出分配值，则直接将其杀掉，默认是 true -->
   <property>
       <name>yarn.nodemanager.pmem-check-enabled</name>
       <value>false</value>
   </property>
   <!--是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则直接将其杀掉，默认是 true -->
   <property>
       <name>yarn.nodemanager.vmem-check-enabled</name>
       <value>false</value>
   </property>

将spark的历史服务的日志目录重新指定到HDFS下：
1）在HDFS创建spark历史服务日志history目录即可，执行：
hdfs dfs -mkdir -p /training/spark-2.4.8-bin-hadoop2.7/history

修改spark-env.sh，改成如下内容：

export JAVA_HOME=/training/jdk1.8.0_171
# 改成你自己的主机名称
export SPARK_MASTER_HOST=niit-master
export SPARK_MASTER_PORT=7077
#history 配置历史服务
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 -Dspark.history.retainedApplications=30 -Dspark.history.fs.logDirectory=hdfs://niit-master:9000/training/spark-2.4.8-bin-hadoop2.7/history"
# yarn
YARN_CONF_DIR=/training/hadoop-2.7.3/etc/hadoop

注意： spark.history.fs.logDirectory路径改成hdfs上的路径，即hdfs://niit-master:9000/training/spark-2.4.8-bin-hadoop2.7/history

修改spark-defaults.conf，改成如下内容：

spark.eventLog.enabled           true
spark.eventLog.dir               hdfs://hadoop001:9000/training/spark-2.4.8-bin-hadoop2.7/history

注意： spark.eventLog.dir路径改成HDFS上的history路径，即hdfs://hadoop001:9000/training/spark-2.4.8-bin-hadoop2.7/history

重启下Hadoop集群（如前面已经启动了spark就不需要启动spark）
1）首先检查下hadoop是否已经启动过了，如是，则需要先停止，执行：stop-all.sh
2）重启或者启动Hadoop，执行：start-all.sh
启动spark历史服务（如前面已经启动了spark就不需要启动spark）
进入到spark的安装目录下，启动spark历史服务，执行：sbin/start-history-server.sh

三、运行Spark Pi案例

进入spark的安装目录下，执行如下命令提交程序到spark集群：

bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode client ./examples/jars/spark-examples_2.11-2.4.8.jar 100
查看实验结果一： 可以在YARN的Web管理界面中看到有spark程序
查看实验结果二：在Spark的历史服务Web界面中会看到如下信息：