Spark-Bench 测试教程

Spark-Bench 教程

本文原始地址：https://sitoi.cn/posts/19752.html

系统环境配置

操作系统：centos7

环境要求：安装 JDK, Hadoop, Spark，mvn 运行环境

步骤

1. 安装测试工具

   1. 安装 wikixmlj
   2. 安装 SparkBench 基准测试组件
   3. 单机环境安装方式

2. 根据实际环境配置测试环境

   1. 修改基本环境
   2. 配置 Spark 运行参数部分

3. 运行 Spark-Bench 测试

   1. 机器学习测试案例
   2. 图计算测试案例
   3. SQL 查询测试案例
   4. 流处理测试案例
   5. 其他测试案例

4. 查看测试结果

安装测试工具

所有步骤在 hdfs 账号下进行：

安装 wikixmlj

克隆项目：项目地址

git clone https://github.com/synhershko/wikixmlj.git

进入项目目录进行 mvn 编译：

cd wikixmlj

mvn package -Dmaven.test.skip=true

mvn install -Dmaven.test.skip=true

安装 SparkBench 基准测试组件

注： ubuntu 系统需要安装以下包:

sudo apt-get install libgfortran3

克隆项目：项目地址

git clone -b legacy https://github.com/CODAIT/spark-bench.git

进入项目目录进行构建：

cd spark-bench/
./bin/build-all.sh

单机环境安装方式

在其他机器上执行上述两步，将两个文件拷贝到需要测试的机器上的 hdfs 账号下

注： ubuntu 系统需要安装额外包

根据实际环境配置测试环境

进入到 spark-bench 目录下修改 conf 目录下的 env.sh

cd spark-bench/
vim conf/env.sh

修改基本环境

根据实际情况修改对应配置

master="<master_ip_address>"                   根据实际情况修改master
MC_LIST=""
HADOOP_HOME=<HADOOP_HOME>                      根据实际情况修改HADOOP_HOME
SPARK_HOME=<SPARK_HOME>                        根据实际情况修改SPARK_HOME
HDFS_URL="hdfs://${master}:9000"               根据实际情况修改端口号
DATA_HDFS="hdfs://${master}:9000/SparkBench"   根据实际情况修改端口号

配置 Spark 运行参数部分

修改conf目录下的env.sh

SPARK_EXECUTOR_MEMORY=4G                       根据实际情况修改
export SPARK_DRIVER_MEMORY=4g                  根据实际情况修改
export SPARK_EXECUTOR_INSTANCES=1              根据实际情况修改
export SPARK_EXECUTOR_CORES=1                  根据实际情况修改

运行 Spark-Bench 测试

测试案例	功能
机器学习测试案例	逻辑回归，支持向量机，矩阵分解
图计算测试案例	PageRank，SVD++，三角计数（Triangle Count）
SQL查询测试案例	Hive，RDDRelation
流处理测试案例	Twitter Tag ， Page View
其他测试案例	Kmeans，线性回归，决策树，最短路径，标签传播，连通图，强连通图

机器学习测试案例

进入到 spark-bench 目录下，在该目录下执行操作：

测试案例	Workload
逻辑回归	LogisticRegression
支持向量机	SVM
矩阵分解	MatrixFactorization

步骤：

1. 修改配置参数
2. 运行生成测试数据脚本
3. 运行相应案例测试脚本

修改配置参数

<Workload> 根据测试案例表填写实际内容，下同:

vim <Workload>/conf/env.sh

运行生成测试数据脚本

./<Workload>/bin/gen_data.sh

运行相应案例测试脚本

./<Workload>/bin/run.sh

图计算测试案例

进入到 spark-bench 目录下，在该目录下执行操作：

测试案例	Workload
网页排名	PageRank
SVD++	SVDPlusPlus
三角计数	TriangleCount

步骤：

1. 修改配置参数
2. 运行生成测试数据脚本
3. 运行相应案例测试脚本

修改配置参数

vim <Workload>/conf/env.sh

运行生成测试数据脚本

./<Workload>/bin/gen_data.sh

运行相应案例测试脚本

./<Workload>/bin/run.sh

SQL 查询测试案例

进入到 spark-bench 目录下，在该目录下执行操作：

测试案例	Workload
SQL查询	SQL

步骤：

1. 修改配置参数
2. 运行生成测试数据脚本
3. 运行相应案例测试脚本

修改配置参数

vim /<Workload>/conf/env.sh

运行生成测试数据脚本

./<Workload>/bin/gen_data.sh

运行相应案例测试脚本

./<Workload>/bin/run.sh

在运行 SQL 查询案例时，默认是运行其中的 RDDRelation 案例，如果要想运行其中的 Hive 案例可以执行下面代码：

./<Workload>/bin/run.sh hive

流处理测试案例

进入到 spark-bench 目录下，在该目录下执行操作：

测试案例	Workload
流处理	Streaming

步骤：

1. 修改配置参数
2. 首先在一个终端中执行生成随机数据
3. 然后再另一个终端中执行

修改配置参数

vim <Workload>/conf/env.sh

在运行流数据处理案例时，例如 TwitterTag，Streaming 逻辑回归

首先在一个终端中执行生成随机数据

在执行脚本时必须要指定你要运行案例名字的参数，如下：

./<Workload>/bin/gen_data.sh TwitterPopularTags

然后再另一个终端中执行

在执行脚本时必须要指定你要运行案例名字的参数，如下：

./<Workload>/bin/run.sh TwitterPopularTags

当然你也可以在 <Workload>/conf/env.sh 配置文件中指定你要运行的子案例的名称，通过修改 subApp=TwitterPopularTags

其他测试案例

进入到 spark-bench 目录下，在该目录下执行操作：

测试案例	Workload
Kmeans	Kmeans
线性回归	LinearRegression
决策树	DecisionTree
最短路径	ShortestPaths
标签传播	LabelPropagation
连通图	ConnectedComponent
强连通图	StronglyConnectedComponent
主成分分析	PCA

步骤：

1. 修改配置参数
2. 运行生成测试数据脚本
3. 运行相应案例测试脚本

修改配置参数

vim <Workload>/conf/env.sh

运行生成测试数据脚本

./<Workload>/bin/gen_data.sh

运行相应案例测试脚本

./<Workload>/bin/run.sh

查看测试结果

在 spark-bench 目录下的 num 目录下可以查看到运行结果。

相关链接

开源项目官网 : https://github.com/CODAIT/spark-bench/tree/legacy

安装文档 : https://blog.csdn.net/xfg0218/article/details/79250019