当前位置：首页 > ai >正文

Spark，集群搭建之Yarn模式

ai 2025/5/2 6:51:40

集群搭建之Yarn模式

一、解压

上传并解压spark-3.1.2-bin-hadoop3.2.tgz，重命名解压之后的目录为spark-yarn。对应的命令是：

tar -zxvf spark-3.3.1-bin-hadoop3.tgz -C /opt/module

二、配置文件

修改一下spark的环境变量，打开 /etc/profile.d/my_env.sh 文件内容改为如下：

# spark 环境变量
export SPARK_HOME=/opt/module/spark-yarn
export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin

并同步给其他的设备对应命令为： xsync /etc/profile.d/

三、修改hadoop的配置

打开 /opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml 因为测试环境虚拟机内存较少，防止执行过程进行被意外杀死，添加如下配置。

<!--是否启动一个线程检查每个任务正使用的物理内存量，如果任务超出分配值，则直接将其杀掉，默认是true -->
<property><name>yarn.nodemanager.pmem-check-enabled</name><value>false</value>
</property><!--是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则直接将其杀掉，默认是true -->
<property><name>yarn.nodemanager.vmem-check-enabled</name><value>false</value>
</property>

把这个设置分发到其他节点。使用命令 xsync /opt/module/hadoop-3.1.3/etc/hadoop/ 同步一下。

四、修改spark配置

把三个文件的名字重新设置一下。workers.tempalte 改成 workers；spark-env.sh.template 改成 spark-env.sh；spark-defaults.conf.template 改成 spark-defaults.conf。

然后，在workers文件中添加

hadoop100
hadoop101
hadoop102

在spark-env.sh文件中,添加如下

SPARK_MASTER_HOST=hadoop100
SPARK_MASTER_PORT=7077
HADOOP_CONF_DIR=/opt/module/hadoop-3.1.3/etc/hadoop
YARN_CONF_DIR=/opt/module/hadoop-3.1.3/etc/hadoop
export SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=hdfs://hadoop100:8020/directory"

在spark-defaults.conf文件中，添加如下

spark.eventLog.enabled true
spark.eventLog.dir hdfs://hadoop100:8020/directory
spark.yarn.historyServer.address=hadoop100:18080
spark.history.ui.port=18080

五、同步

同步配置文件到其他设备。xsync /opt/module/spark-yarn/sbin

六、启动集群

启动hdfs和yarn。使用我们之前配置的脚本：myhadoop start

启动spark和spark的历史服务器。进入/opt/module/spark-yarn/sbin，运行： ./start-all.sh 和 ./start-history-server.sh

并通过jps去检查是否有对应的进程。

七、使用spark-submit提交任务

对应命令为：spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode cluster /opt/module/spark-standalone/examples/jars/spark-examples_2.12-3.1.1.jar 10