-1
我试图运行一个示例spark工作,它的工作正常。现在,我需要在集群中的多个节点上运行相同的工作。 在我的程序中需要更改什么来指示在多个节点中运行它。在多个节点中运行spark工作
from pyspark import SparkConf, SparkContext
import collections
#conf = SparkConf().setMaster("local").setAppName("RatingsHistogram")
conf = SparkConf().setMaster("hadoop-master").setAppName("RatingsHistogram")
sc = SparkContext(conf = conf)
#lines = sc.textFile("file:///SparkCourse/ml-100k/u.data")
lines = sc.textFile("hdfs://hadoop-master:8020/user/hduser/gutenberg/ml-100k/u.data")
ratings = lines.map(lambda x: x.split()[2])
result = ratings.countByValue()
sortedResults = collections.OrderedDict(sorted(result.items()))
for key, value in sortedResults.items():
print("%s %i" % (key, value))
谢谢。我能够在火花簇上运行..我有一个火花集群和hadoop集群设置..在火花集群中运行火花作业vs hadoop集群有什么优势吗? – user1050619
这取决于你的需求。在hadoop claster上,您可以根据需要创建尽可能多的火花作业,并且这适用于多用户环境。例如,使用标准Hadoop机制为每个用户的作业管理对HDFS/Hive数据和YARN资源的权限。但它是唯一使用spark的维护工具,hadoop集群仅用于spark工作可能是不必要的开销。 – Mariusz