Spark 1.0.0 横空出世 Spark on Yarn 部署(Hadoop 2.4)


就在昨天，北京时间5月30日20点多。Spark 1.0.0终于发布了：Spark 1.0.0 released

根据官网描述，Spark 1.0.0支持SQL编写：Spark SQL Programming Guide

个人觉得这个功能对Hive的市场的影响很小，但对Shark冲击很大，就像win7和winXP的关系，自相残杀嘛? 

这么着急的发布1.x 版是商业行为还是货真价实的体现，让我们拭目以待吧~~~~

本文是CSDN-撸大湿原创，如要转载请注明出处，谢谢：http://blog.csdn.net/tntzbzc/article/details/27817189

进入今天的正题：Spark 1.x onYarn (Hadoop 2.4)


源码编译

我的测试环境：

  • 系统：Centos 6.4 - 64位
  • Java：1.7.45
  • Scala：2.10.4
  • Hadoop：2.4.0 社区版

Spark 1.0.0 源码地址：http://d3kbcqa49mib13.cloudfront.net/spark-1.0.0.tgz

解压源码，在根去根目录下执行以下命令(sbt编译我没尝试)

./make-distribution.sh --hadoop 2.4.0 --with-yarn --tgz --with-hive

几个重要参数

--hadoop ：指定Hadoop版本 

--with-yarn yarn支持是必须的

--with-hive 读取hive数据也是必须的，反正我很讨厌Shark，以后开发们可以在Spark上自己封装SQL&HQL客户端，也是个不错的选择。

#      --tgz: Additionally creates spark-$VERSION-bin.tar.gz
#      --hadoop VERSION: Builds against specified version of Hadoop.
#      --with-yarn: Enables support for Hadoop YARN.
#      --with-hive: Enable support for reading Hive tables.
#      --name: A moniker for the release target. Defaults to the Hadoop verison.

不想自己编译的话直接下载二进制包吧：

Spark 1.0.0 on Hadoop 1 / CDH3, CDH4 二进制包：http://d3kbcqa49mib13.cloudfront.net/spark-1.0.0-bin-hadoop1.tgz

Spark 1.0.0 on Hadoop 2 / CDH5, HDP2 二进制包：http://d3kbcqa49mib13.cloudfront.net/spark-1.0.0-bin-hadoop2.tgz

  

进过漫长的等待，在源码跟目录下会生成一个tgz压缩包     


把这个包copy到你想部署的目录并解压。

特别注意：只需要把解压包copy到yarn集群中的任意一台。一个节点就够了，不需要在所有节点都部署，除非你需要多个Client节点调用spark作业。

在这里我们不需要搭建独立的Spark集群，利用Yarn Client调用Hadoop集群的计算资源。

mv 解压后的目录/conf/spark-env.sh.template 解压后的目录/conf/spark-env.sh

编辑spark-env.sh


export HADOOP_HOME=/opt/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
SPARK_EXECUTOR_INSTANCES=4
SPARK_EXECUTOR_CORES=1
SPARK_EXECUTOR_MEMORY=1G
SPARK_DRIVER_MEMORY=2G
SPARK_YARN_APP_NAME="Spark 1.0.0"

这是我的配置，配置和之前的几个版本略有不同，但大差不差。


用Yarn Client调用一下MR中的经典例子：Spark版的word count

这里要特别注意，SparkContext有变动，之前版本wordcount例子中的的第一个参数要去掉。

为了方便，我把 SPARK_HOME/lib/spark-assembly-1.0.0-hadoop2.4.0.jar 拷贝到了HDFS中进行调用。(直接调用本地磁盘也是可以的)


SPARK_JAR="hdfs://master001.bj:9000/jar/spark/spark-assembly-1.0.0-hadoop2.4.0.jar" \
./bin/spark-class org.apache.spark.deploy.yarn.Client \
--jar ./lib/spark-examples-1.0.0-hadoop2.4.0.jar \
--class org.apache.spark.examples.JavaWordCount \
--args hdfs://master001.bj:9000/temp/read.txt \
--num-executors 50 \
--executor-cores 1 \
--driver-memory 2048M \
--executor-memory 1000M \
--name "word count on spark"

运行结果在stdout中查看




速度还行吧，用6台节点/50个core计算4.3GB文件，用时31秒。

今天就到这吧，有时间还的把那篇神经网络继续写下去，下次再见

相关内容