Spark部署

local模式：

local模式就是在本地部署单个spark服务，local模式多数用于自学形式，在本地进行练手和测试。 官网下载地址： Apache Archive Distribution Directory

下载之后将文件夹在linux系统中进行解压缩操作：

其实通过上面的计算，我们就成功将他部署到了local中，之后执行下面的命令展示一下：

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master local[2] \
./examples/jars/spark-examples_2.12-3.3.1.jar \
10

命令详解

这是一个使用 Spark 自带的 spark-submit 脚本来提交任务的标准命令，作用是计算圆周率（π）的近似值。这条命令是学习 Spark 时最经典的入门示例，下面我为你逐行拆解它的含义。

• bin/spark-submit ：这是 Spark 提供的统一任务提交脚本，用于将你的应用程序提交到集群上运行。bin/ 表示它在 Spark 安装目录下的 bin 文件夹中。

• \：这是 Linux 系统的续行符，告诉终端这行命令还没结束，下一行是它的延续。它本身没有实际功能，只是为了提升可读性。

• --class org.apache.spark.examples.SparkPi ：指定程序运行的入口类 。Spark 会去执行 spark-examples JAR 包中 SparkPi 类的 main 方法。

• --master local[2] ：指定 Spark 任务的运行模式。

  • local 表示在本地模式运行，不会连接任何集群，非常适合开发和测试。

  • [2] 表示启用 2 个线程来模拟并行计算，相当于使用 2 个 CPU 核心来执行任务。

• ./examples/jars/spark-examples_2.12-3.3.1.jar ：指定要运行的应用程序 JAR 包 的路径。这个包包含了 Spark 官方提供的各种示例程序，_2.12 表示它是为 Scala 2.12 编译的，-3.3.1 则是 Spark 版本号。

• 10 ：这是传给 SparkPi 示例程序的参数 。在 SparkPi 程序中，这个数字代表循环计算的次数，数值越大，计算量越大，估算出的圆周率也越精确。

spark web看板观测执行中的任务

Spark web UI at http://192.168.1.191:4040

但是当前的看板只能在任务执行的时候可以观测，执行之后这个页面就看不到了，他自己就会退出。

Yarn部署

注意下面的部署都是在你已经拥有一个可以使用的hadoop为前提进行配置。

不是到yarn

修改spark中的配置文件**/conf/spark-env.sh，添加** YARN_CONF_DIR 配置，保证后续运行任务的路径都变成集群路径

atguigu@hadoop102 conf$ mv spark-env.sh.template spark-env.sh

atguigu@hadoop102 conf$ vim spark-env.sh

YARN_CONF_DIR=/opt/module/hadoop/etc/hadoop

之后通过命令启动hadoop:

启动 HDFS 以及 YARN 集群

$ sbin/start-dfs.sh

$ sbin/start-yarn.sh

执行命令进行测试：

bin/spark-submit \

--class org.apache.spark.examples.SparkPi \

--master yarn \

./examples/jars/spark-examples_2.12-3.3.1.jar \

10

可以计算出结果证明执行成功。

因为是部署在yarn上的，我们可以打开Yarn资源管理页面查看：

地址：http://ResourceManager主机IP:8088/cluster/apps

查看运行日志

目前是Hadoop的作业运行日志展示，如果想获取Spark的作业运行日志，请进行如下配置：

1）修改 spark-default.conf 文件，配置日志存储路径（写）

vim spark-defaults.conf

spark.eventLog.enabled true

spark.eventLog.dir hdfs://hadoop102:8020 /directory

2）修改 spark-env.sh 文件，添加如下配置：

vim spark-env.sh

export SPARK_HISTORY_OPTS="

-Dspark.history.ui.port=18080

-Dspark.history.fs.logDirectory=hdfs://hadoop102:8020/directory

-Dspark.history.retainedApplications=30"

参数1含义：WEBUI访问的端口号为18080

参数2含义：指定历史服务器日志存储路径（读）

参数3含义：指定保存Application历史记录的个数，如果超过这个值，旧的应用程序信息将被删除，这个是内存中的应用数，而不是页面上显示的应用数。

3）hdfs://hadoop102:8020 /directory 这个文件一定要存在，大家自己要创建一下。

4）为了能从Yarn上关联到Spark历史服务器，需要配置spark历史服务器关联路径。

目的：点击yarn（8088）上spark任务的history按钮，进入的是spark历史服务器（18080），而不再是yarn历史服务器（19888）。

修改配置文件 /opt/module/spark-yarn/conf/spark-defaults.conf

添加如下内容：

spark.yarn.historyServer.address=hadoop102:18080

spark.history.ui.port=18080

重启 Spark 历史服务

sbin/stop-history-server.sh

sbin/start-history-server.sh

配置完成后再次点击就可以直接跳转到spark历史页面中

Spark On YARN 两种部署模式详解

client模式

1. Driver 进程运行位置 Driver 程序运行在提交任务的本地客户端机器（你敲 spark-submit 命令的服务器），不在 YARN 容器中。
2. 资源容器分工
   • AM（ApplicationMaster）：YARN 集群中 NodeManager 的容器，仅负责申请资源、调度 Executor；
   • Driver：本地客户端进程；
   • Executor：集群各个 NodeManager 容器，执行计算任务。
3. 日志输出位置
   • Spark 运行打印的计算日志、print 输出：直接打印在本地提交命令的终端窗口；
   • YARN 容器日志：存于 Hadoop 集群日志服务器，需用yarn logs -applicationId查看。
4. 网络与适用场景
   • 客户端机器必须全程在线、网络稳定，一旦断开终端 / 关闭服务器，Driver 进程被杀，任务直接失败；
   • 适合开发调试：本地实时看日志、排查代码报错，测试小任务。
5. 优缺点 ✅ 调试方便，日志实时输出在本地； ❌ 提交机器占用资源，长期跑任务不稳定，网络波动易丢任务。

cluster 模式：

1. Driver 进程运行位置 Driver 内嵌在 YARN ApplicationMaster 容器 中，运行在集群某一台 NodeManager 节点，不在本地提交机。
2. 资源容器分工
   • AM 容器：同时承载 ApplicationMaster + Spark Driver 两个核心程序；
   • Executor：集群其他 NodeManager 容器，执行 RDD / 算子计算。
3. 日志输出位置 所有 Spark 日志、计算输出、异常堆栈全部存在 YARN 集群日志系统 ，本地终端只会打印任务提交信息，看不到业务输出；必须执行yarn logs -applicationId 任务ID查看完整日志。
4. 网络与适用场景 提交命令后，本地客户端即可断开、关机，任务不受影响；Driver 在集群内部，节点间网络通信更快稳定； 适合生产环境定时 / 长期离线计算任务。
5. 优缺点 ✅ 任务稳定性高，不依赖提交客户端机器，集群内部通信性能更好，生产标准用法； ❌ 调试麻烦，不能实时看本地日志，排错需要去 YARN 拉取日志。

对比维度	YARN Client	YARN Cluster
Driver 所在机器	提交任务的本地客户端	集群中某台 NodeManager（AM 容器）
客户端是否可断开	不可断开，断则任务失败	提交完即可断开，任务正常运行
实时日志位置	本地终端直接打印	仅集群 YARN 日志，本地无业务输出
资源占用	占用提交服务器 CPU / 内存	全部资源由 YARN 集群调度
生产推荐	不推荐，仅调试用	生产环境标准部署模式
网络依赖	客户端与集群保持长连接	Driver 在集群内部，网络开销更小

client命令：

bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master yarn \ --deploy-mode client \ ./examples/jars/spark-examples_2.12-3.3.1.jar \ 10

---

bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master yarn \ ./examples/jars/spark-examples_2.12-3.3.1.jar \ 10

cluster模式命令

bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode cluster ./examples/jars/spark-examples_2.12-3.3.1.jar 10

上面是当前最常见的两种部署方式，当然也可以使用k8s进行部署，大家敬请期待