spark学习进度11——Spark运行方式

一、spark-submit

1、类似于：hadoop jar;   [主要负责jar包的提交];

2、语法：spark-submit [options] <app jar | python file> [app arguments]

通过- -help 查看参数：

参数options：

• -master: 指定运行模式，spark://host:port, mesos://host:port, yarn, or local[n].

• -deploy-mode: 指定将driver端运行在client 还是在cluster，默认情况下是client模式

• -class: 指定运行程序main方法类名，一般是应用程序的包名+类名

• -name: 运用程序名称

• -jars: 需要在driver端和executor端运行的jar,如mysql驱动包

• -packages: maven管理的项目坐标GAV，多个以逗号分隔

• -conf: 以key=value的格式强制指定Spark配置属性，所传入的参数必须是以spark开头

• -driver-memory:指定driver端运行内存，默认1G

• -executor-memory：指定executor端的内存，默认1G

3、Spark自带examples样例提交任务：

（1）本地模式运提交：

1-路径：/kkb/install/spark2.2.0/examples/jars  spark-examples_2.11-2.2.0.jar

2-提交jar包： spark-submit  --master local --class org.apache.spark.examples.SparkPi  spark-examples_2.11-2.2.0.jar 10

   ** --master : 运行在哪里

   ** local : 本地运行，local可以添加参数：local[1] 代表每台服务器需要1个核数，local[*]所有的核数，如果给的参数是*，虽然是本地模式，但是模拟的是集群模式。

   ** --calss:运行的是哪个类

   **  jar:x需要的jar包

   ** 参数 10：做10次运算

   spark-submit  --master  local[*]  --class  org.apache.spark.examples.SparkPi spark-examples_2.11-2.2.0.jar  10

（2）集群模式提交：[真正的集群提交模式]

  spark-submit --master spark://node01:7077  --class org.apache.spark.examples.SparkPi spark-examples_2.11-2.2.0.jar 10

---

二、spark-shell

1、交互式的命令行。[spark-shell底层也是使用spark-submint 提交的]

2、启动命令：spark-shell --master spark://node01:7077

说明：

• 1-启动 spark-shell等于是启动了一个应用，所以运行启动速度慢；

• 2-交互式命令行的监控页面是4040端口。

• 3-sc是sparkContext的对象实例，Context是上下文。负责初始化很多的东西。例如driver端的数据和实例

3、使用集合并行化的形式创建RDD

4、读取外部文件的形式创建RDD

备注：RDD是分布式的，读取数据的时候也是分布式的，其他服务器如果在指定的目录下没有指定的文件，就会报错，所以读取数据的时候最好是读取HDFS上的数据