spark on yarn详解

1、参考文档：
spark-1.3.0：http://spark.apache.org/docs/1.3.0/running-on-yarn.html
spark-1.6.0：http://spark.apache.org/docs/1.6.0/running-on-yarn.html

备注：从spark-1.6.0开始，spark on yarn命令有略微改变，具体参考官方文档，这里以spark 1.3.0集群为主。

2、前期准备
编译spark，参看文档：http://www.cnblogs.com/wcwen1990/p/7688027.html
spark安装部署（包括local模式和standalone模式）：http://www.cnblogs.com/wcwen1990/p/6889521.html

3、spark on yarn配置：

1）启动hadoop集群：

sbin/hadoop-daemon.sh start namenode
sbin/hadoop-daemon.sh start datanode

sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager

sbin/mr-jobhistory-daemon.sh start historyserver

2）启动spark历史日志服务：

sbin/start-history-server.sh

3）查看进程信息：

$ jps
3182 DataNode
3734 JobHistoryServer
3949 Jps
3555 NodeManager
3295 ResourceManager
3857 HistoryServer
3094 NameNode

4、spark-submit方式提交应用到yarn（提交可以以client模式和cluster模式进行应用提交）：

1）spark-1.3.0：

$ ./bin/spark-submit --class path.to.your.Class --master yarn-cluster [options] <app jar> [app options]

For example:

$ ./bin/spark-submit --class org.apache.spark.examples.SparkPi
     --master yarn-cluster
     --num-executors 3
     --driver-memory 4g
     --executor-memory 2g
     --executor-cores 1
     --queue thequeue
     lib/spark-examples*.jar
     10

2）spark-1.6.0：

$ ./bin/spark-submit --class path.to.your.Class --master yarn --deploy-mode cluster [options] <app jar> [app options]

For example:

$ ./bin/spark-submit --class org.apache.spark.examples.SparkPi
     --master yarn
     --deploy-mode cluster
     --driver-memory 4g
     --executor-memory 2g
     --executor-cores 1
     --queue thequeue
     lib/spark-examples*.jar
     10

5、spark-shell方式运行在yarn上(spark-shell只能通过client模式运行)：

1）spark-1.3.0：

$ ./bin/spark-shell --master yarn-client

2）spark-1.6.0：

$ ./bin/spark-shell --master yarn --deploy-mode client

6、测试，这里以spark-1.3.0为例：

$ ./bin/spark-shell --master yarn-client

spark on yarn模式下运行wordcount程序：

scala> sc.textFile("/user/hadoop/mapreduce/wordcount/input/wc.input").flatMap(_.split(" ")).map((_,1)).reduceByKey(_ + _).map(x => (x._2,x._1)).sortByKey(false).map(x => (x._2,x._1)).collect
... ...
res0: Array[(String, Int)] = Array((scala,1), (hive,1), (oozie,1), (mapreduce,1), (zookeeper,1), (hue,1), (yarn,1), (sqoop,1), (kafka,1), (spark,1), (hadoop,1), (flume,1), (hdfs,1), (storm,1), (hbase,1))

scala> sc.stop

以上程序运行过程可以通过web ui查看详情，具体地址有以下几个：

yarn：http://chavin.king:8088
spark应用监控：http://chavin.king:4040
历史日志服务：http://chavin.king:18080