Standalone 模式
Standalone 模式概述
standalone n. 脱机; adj. 单独的，独立的;
local 本地模式毕竟只是用来进行练习演示的，真实工作中还是要将应用提交到对应的集群中去执行
所在开发中使用 Spark 自身节点运行的集群模式，也就是我们所谓的独立部署（Standalone）模式。
Spark 的 Standalone 模式体现了经典的master-slave 模式。
独立部署（Standalone）模式 = 主从
集群规划:
集群部署
》1 解压缩文件
将 spark-3.0.0-bin-hadoop3.2.tgz 文件上传到Linux 并解压缩在指定位置
tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module
mv spark-3.0.0-bin-hadoop3.2 spark-standalone
》2 修改配置文件
1)进入解压缩后路径的 conf 目录
cd /opt/module/spark-standalone/conf
修改 slaves.template 文件名为 slaves
mv slaves.template slaves
2)修改 slaves 文件，添加work 节点
hadoop102
hadoop103
hadoop104
3)修改 spark-env.sh.template 文件名为 spark-env.sh
mv spark-env.sh.template spark-env.sh
4)修改 spark-env.sh 文件，添加 JAVA_HOME 环境变量和集群对应的 master 节点
export JAVA_HOME=/opt/module/jdk1.8.0_144
SPARK_MASTER_HOST=hadoop102
SPARK_MASTER_PORT=7077
注意：7077 端口，相当于 hadoop 部通信的 8020 端口，此处的端口需要确认自己的 Hadoop
配置
5)分发 spark-standalone 目录
》 3启动集群
1)执行脚本命令：
2)查看三台服务器运行进程
================hadoop102================
3330 Jps
3238 Worker
3163 Master
================hadoop103================
2966 Jps
2908 Worker
================hadoop104================
2978 Worker
3036 Jps
3)查看 Master 资源监控Web UI 界面:
提交应用
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10
1)–class 表示要执行程序的主类
2)–master spark://hadoop102:7077 独立部署模式，连接到Spark 集群
3)spark-examples_2.12-3.0.0.jar 运行类所在的 jar 包
4)数字 10 表示程序的入口参数，用于设定当前应用的任务数量
执行任务时，会产生多个 Java 进程
[dev1@hadoop102 ~]$ jps
2400 Worker
2338 Master
3050 SparkSubmit
3164 Jps
3117 CoarseGrainedExecutorBackend
执行任务时，默认采用服务器集群节点的总核数，每个节点内存 1024M。
》 5提交参数说明
在提交应用中，一般会同时一些提交参数
bin/spark-submit \
--class <main-class>
--master <master-url> \
... # other options
<application-jar> \
[application-arguments]
配置历史服务
由于 spark-shell 停止掉后，集群监控 hadoop102:4040 页面就看不到历史任务的运行情况，所以开发时都配置历史服务器记录任务运行情况。
1)修改 spark-defaults.conf.template 文件名为 spark-defaults.conf
mv spark-defaults.conf.template spark-defaults.conf
2)修改 spark-default.conf 文件，配置日志存储路径
spark.eventLog.enabled true
spark.eventLog.dir hdfs://hadoop102:9000/directory
注意：需要启动 hadoop 集群，HDFS 上的directory 目录需要提前存在。
sbin/start-dfs.sh
hadoop fs -mkdir /directory
3)修改 spark-env.sh 文件, 添加日志配置
export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080
-Dspark.history.fs.logDirectory=hdfs://hadoop102:9000/directory
-Dspark.history.retainedApplications=30"
- 参数 1 含义：WEB UI 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
- 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。
4)分发配置文件
5)重新启动集群和历史服务
sbin/start-all.sh
sbin/start-history-server.sh
6)重新执行任务
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10
7)查看历史服务：http://hadoop102:18080
配置高可用（ HA）
所谓的高可用是因为当前集群中的 Master 节点只有一个，所以会存在单点故障问题。所以为了解决单点故障问题，需要在集群中配置多个 Master 节点，一旦处于活动状态的 Master 发生故障时，由备用 Master 提供服务，保证作业可以继续执行。这里的高可用一般采用Zookeeper 设置
集群规划:
1)停止集群
2)启动Zookeeper（hadoop102,hadoop103,hadoop104)
3)修改 spark-env.sh 文件添加如下配置
注释如下内容 ：
#SPARK_MASTER_HOST=hadoop102
#SPARK_MASTER_PORT=7077
添加如下内容:
#Master 监控页面默认访问端口为 8080，但是可能会和 Zookeeper 冲突，所以改成 8989，也可以自定义，访问 UI 监控页面时请注意
SPARK_MASTER_WEBUI_PORT=8989
export SPARK_DAEMON_JAVA_OPTS="
-Dspark.deploy.recoveryMode=ZOOKEEPER
-Dspark.deploy.zookeeper.url=hadoop102,hadoop103,hadoop104
-Dspark.deploy.zookeeper.dir=/spark"
4)分发配置文件
5)启动集群
6)启动 hadoop103 的单独 Master 节点，此时 hadoop103 节点 Master 状态处于备用状态
7)提交应用到高可用集群
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077,hadoop103:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10
8)停止 hadoop102 的 Master 资源监控进程
9)查看 hadoop103 的 Master 资源监控Web UI，稍等一段时间后，hadoop103 节点的 Master 状态提升为活动状态
