下面具体还是用计算PI的程序来说明，examples中该程序有三个版本，分别采用Scala、Python和Java语言编写。本次用Java程序JavaSparkPi做说明。
复制代码
1 package org.apache.spark.examples;
2
3 import org.apache.spark.api.java.JavaRDD;
4 import org.apache.spark.api.java.JavaSparkContext;
5 import org.apache.spark.sql.SparkSession;
6
7 import java.util.ArrayList;
8 import java.util.List;
9
10 /**
11 * Computes an approximation to pi
12 * Usage: JavaSparkPi [partitions]
13 */
14 public final class JavaSparkPi {
15
16 public static void main(String[] args) throws Exception {
17 SparkSession spark = SparkSession
18 .builder()
19 .appName("JavaSparkPi")
20 .getOrCreate();
21
22 JavaSparkContext jsc = new JavaSparkContext(spark.sparkContext());
23
24 int slices = (args.length == 1) ? Integer.parseInt(args[0]) : 2;
25 int n = 100000 * slices;
26 List<Integer> l = new ArrayList<>(n);
27 for (int i = 0; i < n; i++) {
28 l.add(i);
29 }
30
31 JavaRDD<Integer> dataSet = jsc.parallelize(l, slices);
32
33 int count = dataSet.map(integer -> {
34 double x = Math.random() * 2 - 1;
35 double y = Math.random() * 2 - 1;
36 return (x * x + y * y <= 1) ? 1 : 0;
37 }).reduce((integer, integer2) -> integer + integer2);
38
39 System.out.println("Pi is roughly " + 4.0 * count / n);
40
41 spark.stop();
42 }
43 }
复制代码
程序逻辑与之前的Scala和Python程序一样，就不再多做说明了。对比Scala、Python和Java程序，同样计算PI的逻辑，程序分别是26行、30行和43行，可以看出编写Spark程序，使用Scala或者Python比Java来得更加简洁，因此推荐使用Scala或者Python编写Spark程序。
下面来以STANDALONE方式来执行这个程序，执行前需要启动Spark自带的集群服务（在master上执行$SPARK_HOME/sbin/start-all.sh），最好同时启动spark的history server，这样即使在程序运行完以后也可以从Web UI中查看到程序运行情况。启动Spark的集群服务后，会在master主机和slave主机上分别出现Master守护进程和Worker守护进程。而在Yarn模式下，就不需要启动Spark的集群服务，只需要在客户端部署Spark即可，而STANDALONE模式需要在集群每台机器都部署Spark。
输入以下命令：
[root@BruceCentOS4 jars]# $SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master spark://BruceCentOS.Hadoop:7077 $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar
以下是程序运行输出信息部分截图，
开始部分：
中间部分：
结束部分：
从上面的程序输出信息科看出，Spark Driver是运行在客户端BruceCentOS4上的SparkSubmit进程当中的，集群是Spark自带的集群。
SparkUI上的Executor信息：
BruceCentOS4上的客户端进程（包含Spark Driver）：
BruceCentOS3上的Executor进程：
BruceCentOS上的Executor进程：
BruceCentOS2上的Executor进程：
下面具体描述下Spark程序在standalone模式下运行的具体流程。
这里是一个流程图：
SparkContext连接到Master，向Master注册并申请资源（CPU Core 和Memory）。
Master根据SparkContext的资源申请要求和Worker心跳周期内报告的信息决定在哪个Worker上分配资源，然后在该Worker上获取资源，然后启动CoarseGrainedExecutorBackend。
CoarseGrainedExecutorBackend向SparkContext注册。
SparkContext将Applicaiton代码发送给CoarseGrainedExecutorBackend；并且SparkContext解析Applicaiton代码，构建DAG图，并提交给DAG Scheduler分解成Stage（当碰到Action操作时，就会催生Job；每个Job中含有1个或多个Stage，Stage一般在获取外部数据和shuffle之前产生），然后以Stage（或者称为TaskSet）提交给Task Scheduler，Task Scheduler负责将Task分配到相应的Worker，最后提交给CoarseGrainedExecutorBackend执行。
CoarseGrainedExecutorBackend会建立Executor线程池，开始执行Task，并向SparkContext报告，直至Task完成。
所有Task完成后，SparkContext向Master注销，释放资源。
最后来看Local运行模式，该模式就是在单机本地环境执行，主要用于程序测试。程序的所有部分，包括Client、Driver和Executor全部运行在客户端的SparkSubmit进程当中。Local模式有三种启动方式。
#启动1个Executor运行任务（1个线程）
[root@BruceCentOS4 ~]#$SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master local $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar
#启动N个Executor运行任务（N个线程），这里N=2
[root@BruceCentOS4 ~]#$SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master local[2] $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar
#启动*个Executor运行任务（*个线程），这里*指代本地机器上的CPU核的个数。
[root@BruceCentOS4 ~]#$SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.JavaSparkPi --master local[*] $SPARK_HOME/examples/jars/spark-examples_2.11-2.3.0.jar
|
|
收藏
淘帖
踩
