Spark1.0.0 history server 配置

      在执行Spark应用程序的时候，driver会提供一个webUI给出应用程序的执行信息。可是该webUI随着应用程序的完毕而关闭port，也就是说，Spark应用程序执行完后，将无法查看应用程序的历史记录。Spark history server就是为了应对这样的情况而产生的。通过配置，Spark应用程序在执行完应用程序之后，将应用程序的执行信息写入指定文件夹。而Spark history server能够将这些执行信息装载并以web的方式供用户浏览。

      要使用history server，对于提交应用程序的client须要配置下面參数（在conf/spark-defaults.conf中配置）：

• spark.eventLog.enabled   是否记录Spark事件，用于应用程序在完毕后重构webUI。
• spark.eventLog.dir   假设spark.eventLog.enabled为 true，该属性为记录spark事件的根文件夹。在此根文件夹中，Spark为每一个应用程序创建分文件夹。并将应用程序的事件记录到在此文件夹中。

  用户能够将此属性设置为HDFS文件夹，以便history server读取历史记录文件。

• spark.yarn.historyServer.address    Spark history server的地址（不要加http://）。这个地址会在Spark应用程序完毕后提交给YARN RM，然后RM将信息从RM UI写到history server UI上。

      而对于history server的服务端，能够配置下面环境变量：

• SPARK_DAEMON_MEMORY   分配给history server的内存大小，默认512m。
• SPARK_DAEMON_JAVA_OPTS   history server的JVM选择。默觉得空。

• SPARK_PUBLIC_DNS   history server的公网地址，假设不设置，能够用内网地址来訪问。

  默觉得空。

• SPARK_HISTORY_OPTS   history server的属性设置。属性如以下所看到的。默觉得空。

属性名称	默认	含义
spark.history.updateInterval	10	以秒为单位。多长时间history server显示的信息进行更新。 每次更新都会检查持久层事件日志的不论什么变化。
spark.history.retainedApplications	250	在history server上显示的最大应用程序数量，假设超过这个值，旧的应用程序信息将被删除。
spark.history.ui.port	18080	history server的默认訪问port
spark.history.kerberos.enabled	false	是否使用kerberos方式登录訪问history server，对于持久层位于安全集群的HDFS上是实用的。 假设设置为true，就要配置以下的两个属性。
spark.history.kerberos.principal	空	用于history server的kerberos主体名称
spark.history.kerberos.keytab	空	用于history server的kerberos keytab文件位置
spark.history.ui.acls.enable	false	授权用户查看应用程序信息的时候是否检查acl。假设启用，不管应用程序的spark.ui.acls.enable怎么设置。都要进行授权检查，仅仅有应用程序全部者和spark.ui.view.acls指定的用户能够查看应用程序信息;假设禁用，不做不论什么检查。

2：实验环境

实验环境參见Spark1.0.0 开发环境高速搭建 。

实验代码參见使用IntelliJ IDEA开发Spark1.0.0应用程序 的SparkPi和 Spark1.0.0源码/examples/src/main/python/pi.py （在文件结尾添加了一句sc.stop()） 。

3：实验

A：实验计划

 

B：集群配置并启动history server

虚拟机群：

[root@hadoop1 ~]# su - hadoop

[hadoop@hadoop1 ~]$ cd /app/hadoop/hadoop220

[hadoop@hadoop1 hadoop220]$ sbin/start-dfs.sh

[hadoop@hadoop1 hadoop220]$ bin/hdfs dfs -mkdir /sparklogs

[hadoop@hadoop1 hadoop220]$ sbin/start-yarn.sh

[hadoop@hadoop1 hadoop220]$ cd ../spark100/conf

[hadoop@hadoop1 conf]$ cp spark-defaults.conf.template spark-defaults.conf

[hadoop@hadoop1 conf]$ vi spark-defaults.conf

[hadoop@hadoop1 conf]$ cat spark-defaults.conf

spark.eventLog.enabled  true
spark.eventLog.dir      hdfs://hadoop1:8000/sparklogs
spark.yarn.historyServer.address	hadoop1:18080

[hadoop@hadoop1 conf]$ cd ..

[hadoop@hadoop1 spark100]$ sbin/start-all.sh

[hadoop@hadoop1 spark100]$ sbin/start-history-server.sh hdfs://hadoop1:8000/sparklogs

C：client配置

mmicky@wyy:~$ su - hadoop

hadoop@wyy:~$ cd /app/hadoop/spark100

hadoop@wyy:/app/hadoop/spark100$ cd conf

hadoop@wyy:/app/hadoop/spark100/conf$ cp spark-defaults.conf.template spark-defaults.conf

hadoop@wyy:/app/hadoop/spark100/conf$ vi spark-defaults.conf

hadoop@wyy:/app/hadoop/spark100/conf$ cat spark-defaults.conf

spark.eventLog.enabled  true
spark.eventLog.dir      hdfs://hadoop1:8000/sparklogs
spark.yarn.historyServer.address	hadoop1:18080

hadoop@wyy:/app/hadoop/spark100/conf$ cd ..

D：client提交scala程序

hadoop@wyy:/app/hadoop/spark100$ ./bin/spark-submit --master local[*] --class week2.SparkPi --executor-memory 2g --driver-memory 1g week2.jar

hadoop@wyy:/app/hadoop/spark100$ ./bin/spark-submit --master spark://hadoop1:7077 --class week2.SparkPi --executor-memory 2g --driver-memory 1g week2.jar

hadoop@wyy:/app/hadoop/spark100$ ./bin/spark-submit --master yarn-client --class week2.SparkPi --executor-memory 2g --driver-memory 1g week2.jar

hadoop@wyy:/app/hadoop/spark100$ ./bin/spark-submit --master yarn-cluster --class week2.SparkPi --executor-memory 2g --driver-memory 1g week2.jar

E：虚拟机群提交python程序

[hadoop@hadoop1 spark100]$ ./bin/spark-submit --master local[*] --executor-memory 2g --driver-memory 1g pi.py

[hadoop@hadoop1 spark100]$ ./bin/spark-submit --master spark://hadoop1:7077 --executor-memory 2g --driver-memory 1g pi.py

[hadoop@hadoop1 spark100]$ ./bin/spark-submit --master yarn-client --executor-memory 2g --driver-memory 1g pi.py

[hadoop@hadoop1 spark100]$ ./bin/spark-submit --master yarn-cluster--executor-memory 2g --driver-memory 1g pi.py

F：检查history server工作情况

用浏览器打开hadoop1:18080

 点随意应用程序，能够查看应用程序执行信息：

 

4：TIPS

• driver在SparkContext使用stop()方法后才将完整的信息提交到指定的文件夹，假设不使用stop（）方法，即使在指定文件夹中产生该应用程序的文件夹，history server也将不会载入该应用程序的执行信息。所以假设直接使用Spark1.0.0源码/examples/src/main/python/pi.py。就无法显示其应用程序，在最后加上一行sc.stop()后，就能够显示。
• history server增强版代码能够參看https://github.com/apache/spark/pull/718/files#r13398770