1.几种运行模式介绍
Spark几种运行模式：
1）Local
2）Standalone（Spark自己的集群管理）
3）Yarn
4）Mesos（Spark初期支持）
下载IDEA并安装，可以百度一下免费文档。
2.spark Standalone模式配置并测试
1）jdk1.8已经安装
2）scala2.11.8已经安装
3）Hadoop2.6.0已经安装
4）Spark Standalone模式配置与测试
a）配置slave
vi slaves bigdata-pro01.kfk.com bigdata-pro02.kfk.com bigdata-pro03.kfk.com
b）配置spark-env.sh
vi spark-env.sh export JAVA_HOME=/opt/modules/jdk1.8.0_60 export SCALA_HOME=/opt/modules/scala-2.11.8 SPARK_CONF_DIR=/opt/modules/spark-2.2.0-bin/conf SPARK_MASTER_HOST=bigdata-pro02.kfk.com SPARK_MASTER_PORT=7077 SPARK_MASTER_WEBUI_PORT=8080 SPARK_WORKER_CORES=1 SPARK_WORKER_MEMORY=1g SPARK_WORKER_PORT=7078 SPARK_WORKER_WEBUI_PORT=8081
c）将spark 配置分发到其他节点
scp -r spark-2.2.0-bin bigdata-pro01.kfk.com:/opt/modules/ scp -r spark-2.2.0-bin bigdata-pro03.kfk.com:/opt/modules/
d）启动spark
sbin/start-all.sh
e）客户端测试
bin/spark-shell --master spark://bigdata-pro02.kfk.com:7077
d）集群运行
bin/spark-submit --master spark://bigdata-pro02.kfk.com:7077 --deploy-mode cluster /opt/jars/Spark.jar file:///opt/datas/test.txt
运行这种方式前要将/opt/jars/Spark.jar分发到所有节点！
3.spark on yarn模式配置并测试
1）注意hadoop配置文件中jdk版本是否与当前jdk版本一致
2）spark on yarn 模式启动并且提交作业
#启动
启动之前先配置HADOOP_CONF_DIR项
bin/spark-shell --master yarn --deploy-mode client
#报错
#重新启动yarn和spark
#测试
scala> val rdd = spark.read.textFile("file:///opt/datas/test.txt") rdd: org.apache.spark.sql.Dataset[String] = [value: string] scala> rdd.count res0: Long = 7
#提交作业
再这之前请修改一下源代码，并且重新编译上传jar包
bin/spark-submit --class com.zimo.spark.Test --master yarn --deploy-mode cluster /opt/jars/Spark.jar file:///opt/datas/test.txt
注意：com.zimo.spark.Test为对应jar包的Class类的路径。
成功！
以上就是博主为大家介绍的这一板块的主要内容，这都是博主自己的学习过程，希望能给大家带来一定的指导作用，有用的还望大家点个支持，如果对你没用也望包涵，有错误烦请指出。如有期待可关注博主以第一时间获取更新哦，谢谢！同时也欢迎转载，但必须在博文明显位置标注原文地址，解释权归博主所有！