隨著Spark項目的逐漸成熟, 越來越多的可配置參數(shù)被添加到Spark中來。在Spark中提供了三個地方用于配置：

　　1、Spark properties：這個可以控制應(yīng)用程序的絕大部分屬性。并且可以通過 SparkConf對象或者Java 系統(tǒng)屬性進行設(shè)置；
　　2、環(huán)境變量(Environment variables)：這個可以分別對每臺機器進行相應(yīng)的設(shè)置，比如IP。這個可以在每臺機器的$SPARK_HOME/ conf/spark-env.sh腳本中進行設(shè)置；
　　3、日志：所有的日志相關(guān)的屬性可以在log4j.properties文件中進行設(shè)置。

　　下面對這三種屬性設(shè)定進行詳細的說明。

一、Spark properties

　　Spark properties可以控制應(yīng)用程序的絕大部分屬性，并且可以分別在每個應(yīng)用上進行設(shè)置。這些屬性可以直接在SparkConf對象上設(shè)定，該對象可以傳遞給SparkContext。SparkConf對象允許你去設(shè)定一些通用的屬性（比如master URL、應(yīng)用的名稱等），這些屬性可以傳遞給set()方法的任意key-value對。如下：

val
conf =
new SparkConf()
       .setMaster("local")
       .setAppName("CountingSheep")
       .set("spark.executor.memory", "1g")
val
sc =
new SparkContext(conf)

動態(tài)加載Spark屬性

　　在一些場景中，你可能想避免在代碼中將SparkConf對象的屬性進行設(shè)死；比如，你可能想在不同的master上面或者不同內(nèi)存容量運行你的應(yīng)用程序。這就需要你運行程序的時候進行設(shè)置，Spark允許你創(chuàng)建一個空的conf對象，如下：

val
sc =
new SparkContext(new
SparkConf())

然后你可以在運行的時候通過命令行進行一些屬性的配置：

./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工具支持兩種方式來動態(tài)加載配置屬性。第一種是命令行方式，比如--master；spark-submit工具可以通過--conf標(biāo)記接收任何的Spark屬性。運行 ./bin/spark-submit --help將會顯示全部的選項。

　　 ./bin/spark-submit工具也會從 conf/spark-defaults.conf配置文件中讀取配置選項。 在conf/spark-defaults.conf配置文件中，每行是key-value對，中間可以是用空格進行分割，也可以直接用等號進行分割。如下：

spark.master      spark://iteblog.com:7077
spark.executor.memory  512m
spark.eventLog.enabled true
spark.serializer    org.apache.spark.serializer.KryoSerializ

每個值將作為一個flags傳遞到應(yīng)用中并個SparkConf對象中相應(yīng)的屬性進行合并。通過SparkConf 對象配置的屬性優(yōu)先級最高；其次是對spark-submit 或 spark-shell通過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屬性

　　在應(yīng)用程序?qū)?yīng)的WEB UI（http://<driver>:4040）上的Environment標(biāo)簽下面將會顯示出該應(yīng)用程序的所有Spark配置選項。在你想確定你的配置是否正確的情況下是非常有用的。需要注意的是，只有顯示通過spark-defaults.conf 或SparkConf 進行配置的屬性才會在那個頁面顯示。其他所有沒有顯示的屬性，你可以認為這些屬性的值為默認的。

二、環(huán)境變量

　　有很大一部分的Spark設(shè)定可以通過環(huán)境變量來進行設(shè)定。這些環(huán)境變量設(shè)定在conf/spark-env.sh 腳本文件中（如果你是windows系統(tǒng)，那么這個文件名稱是conf/spark-env.cmd）。在 Standalone 和 Mesos模式下，這個文件可以設(shè)定一些和機器相關(guān)的信息（比如hostname）。

　　需要注意，在剛剛安裝的Spark中conf/spark-env.sh文件是不存在的。但是你可以通過復(fù)制conf/spark-env.sh.template文件來創(chuàng)建，你的確保這個復(fù)制之后的文件是可運行的。

　　下面的屬性是可以在conf/spark-env.sh文件中配置

JAVA_HOME Java的安裝目錄
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.

對于 standalone 模式的集群除了上面的屬性可以配置外，還有很多的屬性可以配置，具體我就不說了，自己看文檔去。

三、日志配置

　　Spark用log4j來記錄日志。你可以通過配置log4j.properties來設(shè)定不同日志的級別、存放位置等。這個文件默認也是不存在的，你可以通過復(fù)制log4j.properties.template文件來得到。

總結(jié)

以上就是本文關(guān)于Spark三種屬性配置方式詳解的全部內(nèi)容，希望對大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站：Spark實現(xiàn)K-Means算法代碼示例、淺談七種常見的Hadoop和Spark項目案例、Spark的廣播變量和累加器使用方法代碼示例等，有什么問題可以隨時留言，小編會及時回復(fù)大家的。

最新評論