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
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
}
}
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
# 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
# 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
# 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 M