连接到远程Spark master – Java / Scala
我在AWS中创建了一个3节点（1个主节点，2个工作节点） Apache Spark集群。 我可以从主服务器向集群提交作业，但是我无法远程工作。
/* SimpleApp.scala */ import org.apache.spark.SparkContext import org.apache.spark.SparkContext._ import org.apache.spark.SparkConf object SimpleApp { def main(args: Array[String]) { val logFile = "/usr/local/spark/README.md" // Should be some file on your system val conf = new SparkConf().setAppName("Simple Application").setMaster("spark://ec2-54-245-111-320.compute-1.amazonaws.com:7077") val sc = new SparkContext(conf) val logData = sc.textFile(logFile, 2).cache() val numAs = logData.filter(line => line.contains("a")).count() val numBs = logData.filter(line => line.contains("b")).count() println(s"Lines with a: $numAs, Lines with b: $numBs") sc.stop() } }
我可以从大师那里看到：
Spark Master at spark://ip-171-13-22-125.ec2.internal:7077 URL: spark://ip-171-13-22-125.ec2.internal:7077 REST URL: spark://ip-171-13-22-125.ec2.internal:6066 (cluster mode)
所以当我从本地机器执行SimpleApp.scala时，它无法连接到Spark Master ：
2017-02-04 19:59:44,074 INFO [appclient-register-master-threadpool-0] client.StandaloneAppClient$ClientEndpoint (Logging.scala:54) [] - Connecting to master spark://ec2-54-245-111-320.compute-1.amazonaws.com:7077... 2017-02-04 19:59:44,166 WARN [appclient-register-master-threadpool-0] client.StandaloneAppClient$ClientEndpoint (Logging.scala:87) [] - Failed to connect to spark://ec2-54-245-111-320.compute-1.amazonaws.com:7077 org.apache.spark.SparkException: Exception thrown in awaitResult at org.apache.spark.rpc.RpcTimeout$$anonfun$1.applyOrElse(RpcTimeout.scala:77) ~[spark-core_2.10-2.0.2.jar:2.0.2] at org.apache.spark.rpc.RpcTimeout$$anonfun$1.applyOrElse(RpcTimeout.scala:75) ~[spark-core_2.10-2.0.2.jar:2.0.2] at scala.runtime.AbstractPartialFunction.apply(AbstractPartialFunction.scala:33) ~[scala-library-2.10.0.jar:?] at org.apache.spark.rpc.RpcTimeout$$anonfun$addMessageIfTimeout$1.applyOrElse(RpcTimeout.scala:59) ~[spark-core_2.10-2.0.2.jar:2.0.2]
但是，我知道如果我将master设置为local ，它会起作用，因为它会在本地运行。 但是，我希望我的客户端连接到此远程主服务器。 我怎么能做到这一点？ Apache配置看起来像文件。 我甚至可以telnet到公共DNS和端口，我还为/etc/hosts配置了每个EC2实例的公共DNS和主机名。 我希望能够向这位远程主人提交工作，我缺少什么？
对于绑定主机主机名/ IP，请转到spark安装conf目录（spark-2.0.2-bin-hadoop2.7 / conf）并使用以下命令创建spark-env.sh文件。
cp spark-env.sh.template spark-env.sh
在vi编辑器中打开spark-env.sh文件，并在下面添加主服务器的主机名/ IP。
SPARK_MASTER_HOST=ec2-54-245-111-320.compute-1.amazonaws.com
使用stop-all.sh和start-all.sh停止并启动Spark。 现在您可以使用它来连接远程主站
val spark = SparkSession.builder() .appName("SparkSample") .master("spark://ec2-54-245-111-320.compute-1.amazonaws.com:7077") .getOrCreate()
有关设置环境变量的更多信息，请查看http://spark.apache.org/docs/latest/spark-standalone.html#cluster-launch-scripts