06、部署Spark程序到集群上运行

06、部署Spark程序到集群上运行

6.1 修改程序代码

1. 修改文件加载路径

   在spark集群上执行程序时，如果加载文件需要确保路径是所有节点能否访问到的路径，因此通常是hdfs路径地址。所以需要修改代码中文件加载路径为hdfs路径：

   ...
   //指定hdfs路径
   sc.textFile("hdfs://mycluster/user/centos/1.txt") 
   ...
   

   ​

2. 修改master地址

   SparkConf中需要指定master地址，如果是集群上运行，也可以不指定，运行时可以通过命令行动态获取。

   //设置master地址或者注释掉该行
   conf.setMaster("spark://s101:7077")
   

6.2 导出jar包

1. 进入项目结构窗口

   

2. 定位artifacts部分中

   

3. 导出的jar中删除依赖的第三方jar包

   

   

4. 通过builds -> build artifacts菜单导出jar包

   

   

5. 到对应的导出目录查看jar文件

   

6. 查看jar包中类的内容

   $>jar -tf myspark.jar | more
   

   执行结果如下图所示：

   

6.3 提交job到Spark集群

使用spark-submit命令提交jar包到spark集群执行。

$>spark-submit --class com.oldboy.spark.java.WordCountJava --master spark://s101:7077 myspark.jar

执行结果如下图所示：