spark-shell运行spark任务参数设置

之前初学spark用spark-shell执行小程序的时候, 每次执行action操作(比如count,collect或者println),都会报错:

WARN TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

同时如果去spark ui上(公司默认为ip:18080)会看到spark-shell为核数core为0:



原因是启动spark-shell的时候没有给他分配资源, 所以我们应该在启动spark-shell的时候这么写:

/home/mr/spark/bin/spark-shell --executor-memory 4G \
--total-executor-cores 10 \
--executor-cores 1

其中 :

--executor-memory

是指定每个executor(执行器)占用的内存

--total-executor-cores

是所有executor总共使用的cpu核数

--executor-cores

是每个executor使用的cpu核数

对于spark-shell还可以在yarn上执行:

--master yarn-client

这里必须是

client

,不同于spark-submit的

yarn-cluster

, 因为spark-shell作为一个与用户交互的命令行，必须将Driver运行在本地，而不是yarn上, 其他的参数与submit一样.

以上参数就限制了总cpu核数为10, executor数目为10

但是, 每次执行都要写这么多参数显然很麻烦, 我们也可以通过修改spark-shell的方法将以上参数改成默认, 方法如下:

spark-shell之前代码:

... ...
function main() {
...
else
export SPARK_SUBMIT_OPTS
"$FWDIR"/bin/spark-submit --class org.apache.spark.repl.Main "$@"
fi

修改为:

... ...
function main() {
...
else
export SPARK_SUBMIT_OPTS
# CUN
RESOURCE_OPTIONS="--executor-memory 1G --total-executor-cores 10 --executor-cores 1 "
CMD_OPTIONS=$RESOURCE_OPTIONS$@
echo "CMD_OPTIONS: " $CMD_OPTIONS
"$FWDIR"/bin/spark-submit --class org.apache.spark.repl.Main --name "Spark shell" $CMD_OPTIONS
fi

之后, 直接运行spark-shell即可

参考: http://www.2cto.com/kf/201511/450843.html