Spark-yarn伪分布式搭建

配环境

1.etc/profile

export SPARK_HOME=/usr/local/spark/spark2.2
export PATH=$SPARK_HOME/bin:$PATH

2.spark/conf/spark-env.sh

export JAVA_HOME=/usr/local/java/jdk1.8.0_161
export SPARK_MASTER_HOST=127.0.0.1 #不是master-ip那是1.x版本的写法
export HADOOP_HOME=/usr/local/hadoop/hadoop-2.8.3
export SPARK_HOME=/usr/local/spark/spark2.2
export SPARK_LIBARY_PATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$HADOOP_HOME/lib/native
export LD_LIBRARY_PATH=$HADOOP_HOME/lib/native/:$LD_LIBRARY_PATH

3.spark-default.sh

spark.master                 spark://ubuntu:7077   #这里要注意
spark.ui.port                4040#提交作业的默认UI，被占用的时候依次往下推

配置spark主要配置两个文件，一个是spark-env.sh这是spark的环境变量。另外一个是spark-defauts是每次提交作业的配置，可以不用配置，默认使用默认的配置或者提交作业的时候动态配置。

在启动sparkmaster和worker的时候，在sbin目录下用./形式启动，否则运行的是hadoop的命令，那样始终看不到master和worker

master 的端口和UI的端口不是一个端口

spark-default.conf中的spark UI port是每次提交作业默认的显示端口

整个spark的UI显示端口在8080

可能踩到的坑

（1）

Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

在spark-env.sh中添加

export LD_LIBRARY_PATH=$HADOOP_HOME/lib/native/:$LD_LIBRARY_PATH

---

（2）

WARN StandaloneAppClient$ClientEndpoint: Failed to connect to master localhost:7077

打开web UI，8080端口的那个，看上面写的master地址和端口是多少，spark-default.sh中spark.mater的值就要写多少

(3)在pycharm中使用spark的pyspark时，需要在环境变量里面把spark的python文件路径和python文件夹下lib的py4压缩文件添加进去