蜗龙徒行-Spark学习笔记【三】Spark集群中worker节点扩展实战经验，-sparkworker

蜗龙徒行-Spark学习笔记【三】Spark集群中worker节点扩展实战经验，-sparkworker

一、集群原先配置：

                  主机名sparkMaster，Ubuntu12.04-32 ，用户名Root , 内存4g    （只用于任务调度和分配，不做计算节点）

                  从机名sparkSlave1，Ubuntu12.04-32 ，用户名Root , 内存4g    （计算节点）
                  从机名sparkSlave2，Ubuntu12.04-32 ，用户名Root , 内存1.7g （计算节点）

二、扩展原因：计算数据量增大，原先的两个工作节点已不不能满足实时性的需求，由于实验室计算资源有限，故将原先的调度节点也增加为计算节点，即扩展后的sparkMaster既是调度节点也是计算节点。

三、修改配置流程：cd /usr/local/spark/spark-1.0.2-bin-hadoop2/conf

                                    vim slaves 修改slaves文件，将原先只有sparkSlave1、sparkSlave2的内容增添sparkMaster，保存退出；

       （本来只需上面一步即可，但由于之前将spark-env.sh中的SPARK_WORKER_MEMORY=1g,内存过小会直接影响内存计算的容量，导致大文件频繁地读写磁盘而消耗大量时间，所以想将其修改为sparkSlave2最大的内存容量1.6g(SPARK_WORKER_MEMORY由集群中节点内存的最小值决定，也就是“木桶原理”)，修改spark-env.sh文件，保存退出）

四、错误现象：master可以正常启动 ，但是worker启动时报错：

五、错误分析：分析其日志文件 cat   /usr/local/spark/spark-1.0.2-bin-hadoop2/sbin/../logs/spark-root-org.apache.spark.deploy.worker.Worker-1-zhangbo.out发现是SPARK_WORKER_MEMORY=1.6g造成的数据格式错误，这里不能用浮点数，只能使用整型，修改回原值后spark集群启动正常：

此时通过控制台也可以看见工作的worker节点由三个，说明集群扩展成功：

ps：由于作者水平有限，如有不当之处，还望读者不吝赐教！