大数据：Spark Standalone 集群调度(一)从远程调试开始说application创建.doc

大数据：Spark Standalone 集群调度（一）从远程调试开始说application创建 远程debug，特别是在集群方式时候，会很方便了解代码的运行方式，这也是码农比较喜欢的方式 虽然Scala的语法和Java不一样，但是scala是运行在JVM虚拟机上的，也就是scala最后编译成字节码运行在JVM上，那么远程调试方式就是JVM调试方式 在服务器端： [html] view plain copy -Xdebug -Xrunjdwp:server=y,transport=dt_socket,address=7001,suspend=y 客户端通过socket就能远程调试代码 1. 调试submit, master, worker代码 1.1 Submit 调试 客户端client 运行Submit，这里就不描述，通常spark的用例都是用 Spark-submit 提交一个spark任务 其本质就是类似下面命令 [html] view plain copy /usr/java/jdk1.8.0_111/bin/java -cp /work/spark-2.1.0-bin-hadoop2.7/conf/:/work/spark-2.1.0-bin-hadoop2.7/jars/* -Xdebug -Xrunjdwp:server=y,transport=dt_socket,address=7000,suspend=y -Xmx1g org.apache.spark.deploy.SparkSubmit --master spark://raintungmaster:7077 --class rfcexample --jars /work/spark-2.1.0-bin-hadoop2.7/examples/jars/scopt_2.11-3.3.0.jar,/work/spark-2.1.0-bin-hadoop2.7/examples/jars/spark-examples_2.11-2.1.0.jar /tmp/machinelearning.jar 调用SparkSubmit的类去提交任务，debug的参数直接往上加就是了 1.2 master, worker 的设置调试 [html] view plain copy export SPARK_WORKER_OPTS=-Xdebug -Xrunjdwp:server=y,transport=dt_socket,address=8000,suspend=n export SPARK_MASTER_OPTS=-Xdebug -Xrunjdwp:server=y,transport=dt_socket,address=8001,suspend=n 在启动的时候设置环境变量就可以了 2. 调试executor 代码 发现设置woker环境参数，但确一直都无法调试在spark executor 运行的代码，既然executor是在worker上运行的，当然是可以远程debug，但为啥executor不能调试呢？ 3. Spark standalone 的集群调度 既然executor不能调试，我们需要把submit, master, worker的调度关系搞清楚 3.1 Submit 提交任务 刚才已经描述过submit实际上初始化了SparkSubmit的类，在SparkSubmit的main方法中调用了runMain方法 [html] view plain copy try { mainMethod.invoke(null, childArgs.toArray) } catch { case t: Throwable = findCause(t) match { case SparkUserAppException(exitCode) = System.exit(exitCode) case t: Throwable = throw t } } 而核心就是调用了在我们提交的类的main方法，在上面的例子里就是参数 [html] view plain copy --class rfcexample 调用了rfcexample的main方法 通常我们在写spark的运行的类的方法，会初始化spark的上下文 [html] view plain copy val sc = new SparkContext(conf) SparkContex