Spark三种属性配置方式详解
随着spark项目的逐渐成熟, 越来越多的可配置参数被添加到spark中来。在spark中提供了三个地方用于配置:
1、spark properties:这个可以控制应用程序的绝大部分属性。并且可以通过 sparkconf对象或者java 系统属性进行设置;
2、环境变量(environment variables):这个可以分别对每台机器进行相应的设置,比如ip。这个可以在每台机器的$spark_home/ conf/spark-env.sh脚本中进行设置;
3、日志:所有的日志相关的属性可以在log4j.properties文件中进行设置。
下面对这三种属性设定进行详细的说明。
一、spark properties
spark properties可以控制应用程序的绝大部分属性,并且可以分别在每个应用上进行设置。这些属性可以直接在sparkconf对象上设定,该对象可以传递给sparkcontext。sparkconf对象允许你去设定一些通用的属性(比如master url、应用的名称等),这些属性可以传递给set()方法的任意key-value对。如下:
val conf = new sparkconf() .setmaster("local") .setappname("countingsheep") .set("spark.executor.memory", "1g") val sc = new sparkcontext(conf)
动态加载spark属性
在一些场景中,你可能想避免在代码中将sparkconf对象的属性进行设死;比如,你可能想在不同的master上面或者不同内存容量运行你的应用程序。这就需要你运行程序的时候进行设置,spark允许你创建一个空的conf对象,如下:
val sc = new sparkcontext(new sparkconf())
然后你可以在运行的时候通过命令行进行一些属性的配置:
./bin/spark-submit --name "my app" --master local[4] --conf spark.shuffle.spill=false --conf "spark.executor.extrajavaoptions=-xx:+printgcdetails -xx:+printgctimestamps" myapp.jar
spark shell和 spark-submit工具支持两种方式来动态加载配置属性。第一种是命令行方式,比如--master;spark-submit工具可以通过--conf标记接收任何的spark属性。运行 ./bin/spark-submit --help将会显示全部的选项。
./bin/spark-submit工具也会从 conf/spark-defaults.conf配置文件中读取配置选项。 在conf/spark-defaults.conf配置文件中,每行是key-value对,中间可以是用空格进行分割,也可以直接用等号进行分割。如下:
spark.master spark://iteblog.com:7077 spark.executor.memory 512m spark.eventlog.enabled true spark.serializer org.apache.spark.serializer.kryoserializ
每个值将作为一个flags传递到应用中并个sparkconf对象中相应的属性进行合并。通过sparkconf 对象配置的属性优先级最高;其次是对spark-submit 或 spark-shell通过flags配置;最后是spark-defaults.conf文件中的配置。
哪里可以查看配置好的spark属性
在应用程序对应的web ui(http://<driver>:4040)上的environment标签下面将会显示出该应用程序的所有spark配置选项。在你想确定你的配置是否正确的情况下是非常有用的。需要注意的是,只有显示通过spark-defaults.conf 或sparkconf 进行配置的属性才会在那个页面显示。其他所有没有显示的属性,你可以认为这些属性的值为默认的。
二、环境变量
有很大一部分的spark设定可以通过环境变量来进行设定。这些环境变量设定在conf/spark-env.sh 脚本文件中(如果你是windows系统,那么这个文件名称是conf/spark-env.cmd)。在 standalone 和 mesos模式下,这个文件可以设定一些和机器相关的信息(比如hostname)。
需要注意,在刚刚安装的spark中conf/spark-env.sh文件是不存在的。但是你可以通过复制conf/spark-env.sh.template文件来创建,你的确保这个复制之后的文件是可运行的。
下面的属性是可以在conf/spark-env.sh文件中配置
java_home java的安装目录 pyspark_python python binary executable to use for pyspark. spark_local_ip ip address of the machine to bind to. spark_public_dns hostname your spark program will advertise to other machines.
对于 standalone 模式的集群除了上面的属性可以配置外,还有很多的属性可以配置,具体我就不说了,自己看文档去。
三、日志配置
spark用log4j来记录日志。你可以通过配置log4j.properties来设定不同日志的级别、存放位置等。这个文件默认也是不存在的,你可以通过复制log4j.properties.template文件来得到。
总结
以上就是本文关于spark三种属性配置方式详解的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站:spark实现k-means算法代码示例、浅谈七种常见的hadoop和spark项目案例、spark的广播变量和累加器使用方法代码示例等,有什么问题可以随时留言,小编会及时回复大家的。