#转#Spark核心编程进阶-spark-submit示例以及基础参数讲解

使用spark-submit提交spark应用

将我们的spark工程打包好之后，就可以使用spark-submit脚本提交工程中的spark应用了
spark-submit脚本会设置好spark的classpath环境变量（用于类加载）和相关的依赖，而且还可以支持多种不同的集群管理器和不同的部署模式

以下是一个spark应用提交脚本的示例，以及其基本语法
一般会将执行spark-submit脚本的命令，放置在一个自定义的shell脚本里面，所以说这是比较灵活的一种做法
建议大家还是要熟悉linux操作系统，不需要太熟悉，会基本的操作就可以了
``
wordcount.sh

/usr/local/spark/bin/spark-submit
--class org.leo.spark.study.WordCount
--master spark://192.168.0.101:7077
--deploy-mode client
--conf =
/usr/local/spark-study/spark-study.jar
${1}

以下是上面的spark-submit

--class: spark应用程序对应的主类，也就是spark应用运行的主入口，通常是一个包含了main方法的java类或scala类，需要包含全限定包名，比如org.leo.spark.study.WordCount
--master: spark集群管理器的master URL，standalone模式下，就是ip地址+端口号，比如spark://192.168.0.101:7077，standalone默认端口号就是7077
--deploy-mode: 部署模式，决定了将driver进程在worker节点上启动，还是在当前本地机器上启动；默认是client模式，就是在当前本地机器上启动driver进程，如果是cluster，那么就会在worker上启动
--conf: 配置所有spark支持的配置属性，使用key=value的格式；如果value中包含了空格，那么需要将key=value包裹的双引号中
application-jar: 打包好的spark工程jar包，在当前机器上的全路径名
application-arguments: 传递给主类的main方法的参数; 在shell中用${1}这种格式获取传递给shell的参数；然后在比如java中，可以通过main方法的args[0]等参数获取

示例：

使用local本地模式，以及8个线程运行

--class 指定要执行的main类

--master 指定集群模式，local，本地模式，local[8]，进程中用几个线程来模拟集群的执行

./bin/spark-submit
--class org.leo.spark.study.WordCount
--master local[8]
/usr/local/spark-study.jar \

使用standalone client模式运行

executor-memory，指定每个executor的内存量，这里每个executor内存是2G

total-executor-cores，指定所有executor的总cpu core数量，这里所有executor的总cpu core数量是100个

./bin/spark-submit
--class org.leo.spark.study.WordCount
--master spark://192.168.0.101:7077
--executor-memory 2G
--total-executor-cores 100
/usr/local/spark-study.jar \

使用standalone cluster模式运行

supervise参数，指定了spark监控driver节点，如果driver挂掉，自动重启driver

./bin/spark-submit
--class org.leo.spark.study.WordCount
--master spark://192.168.0.101:7077
--deploy-mode cluster
--supervise
--executor-memory 2G
--total-executor-cores 100
/usr/local/spark-study.jar \

使用yarn-cluster模式运行

num-executors，指定总共使用多少个executor运行spark应用

./bin/spark-submit
--class org.leo.spark.study.WordCount
--master yarn-cluster \
--executor-memory 20G
--num-executors 50
/usr/local/spark-study.jar \

使用standalone client模式，运行一个python应用

./bin/spark-submit
--master spark://192.168.0.101:7077
/usr/local/python-spark-wordcount.py \

--class
application jar
--master
--num-executors
--executor-memory
--total-executor-cores
--supervise
--executor-cores
--driver-memory

./bin/spark-submit
--class org.leo.spark.study.WordCount
--master yarn-cluster
--num-executors 100
--executor-cores 2
--executor-memory 6G
--driver-memory 1G
/usr/local/spark-study.jar \