Spark集群模式架构

Spark集群指的是Standalone的模式。但是该模式在实际工作中使用比较少，所以了解即可!!!

Standalone的模式是Spark自身进行资源和任务的管理，不借助任何的第三方的工具。

• Master主角色（主节点）的主要作用：

  1- 管理众多的Worker从角色 2- 负责资源管理和任务的分配

  3- 将Driver进程分配给到Worker进行运行

  4- 接收Spark任务的请求

• Worker从角色（从节点）的主要作用：

  1- Worker负责具体任务的执行

  2- Worker会向Master汇报心跳、任务运行的状态

  3- Driver随机选择一个Worker从角色进行启动和运行

  4- 负责执行Driver进程分配过来的任务

PyCharm远程开发配置

1、背景说明

    远程连接方案, 允许所有的程序员都去连接远端的测试环境, 确保大家的环境都是统一的, 避免各种环境问题的发生,而且由于是连接的远程环境, 所有在pycharm编写代码 都会自动上传到远端服务器中, 在执行代码的时候, 相当于是直接在远端环境上进行执行操作

    注意: 本次这里配置远端环境，指的连接虚拟机中虚拟环境。可以配置为Base环境，也可以配置为其他的虚拟环境, 但是目前建议配置为Base环境，因为Base环境自带python包更全面一些

2、清理远程环境

在远程环境出错的时候会用到。一般一个远程主机推荐只配置一个

1.点击Settings

2.进入Interpreter

3.删除远程环境

4.删除SSH

到此，远程环境就删除成功了！

3、连接远程环境

1.点击Close Project

2.点击New Project

4.项目路径设置

5.SSH配置

6.选择python3解释器在远程环境的位置

7.配置远程目录

用来存放同步的代码

8.配置好以后，检查pyspark的版本是否是3.1.2

9.自动上传本地项目代码到远程

如果代码没有被自动上传到远程服务器，那么我们可以手动上传

4、重新连接到远程环境

1.点击Settings

2.找到Interpreter

3.新增远程环境

4.SSH配置

5.选择python3解释器在远程环境的位置

如果使用的是其他虚拟环境，通过如下截图进行配置：

6.配置远程目录

用来存放同步的代码

7.配置好以后，检查pyspark的版本是否是3.1.2

8.自动上传本地项目代码到远程

如果代码没有被自动上传到远程服务器，那么我们可以手动上传

5、补充：切换Python解释器后代码报错