使用 spark-shell 时使用 sparkConf.set(..) 自定义 SparkContext

Question

在 Spark 中，有 3 种主要方法可以指定用于创建 SparkContext 的 SparkConf 的选项：

1. 作为 conf/spark-defaults.conf 中的属性
   • 例如，线路：spark.driver.memory 4g
2. 作为 spark-shell 或 spark-submit 的参数
   • 例如，spark-shell --driver-memory 4g ...
3. 在您的源代码中，在使用SparkConf 实例创建SparkContext 之前配置它：
   • 例如，sparkConf.set( "spark.driver.memory", "4g" )

但是，当使用 spark-shell 时，在您收到 shell 提示时，已经在名为 sc 的变量中为您创建了 SparkContext。使用 spark-shell 时，如果在您有机会执行任何 Scala 语句之前已经创建了 SparkContext，您如何使用上面列表中的选项 #3 来设置配置选项？

特别是，我正在尝试使用 Kyro 序列化和 GraphX。将 Kryo 与 GraphX 一起使用的规定方法是在自定义 SparkConf 实例时执行以下 Scala 语句：

GraphXUtils.registerKryoClasses( sparkConf )

在运行spark-shell 时如何实现这一点？

Answer 1

Spark 2.0+

您应该可以使用SparkSession.conf.set 方法在运行时设置一些 配置选项，但它主要限于SQL 配置。

火花

您可以简单地停止现有上下文并创建一个新上下文：

import org.apache.spark.{SparkContext, SparkConf}

sc.stop()
val conf = new SparkConf().set("spark.executor.memory", "4g")
val sc = new SparkContext(conf)

正如您在official documentation 中看到的那样：

一旦将 SparkConf 对象传递给 Spark，它就会被克隆，并且用户不能再对其进行修改。 Spark 不支持在运行时修改配置。

如您所见，停止上下文是 shell 启动后唯一适用的选项。

您始终可以使用配置文件或spark-shell 的--conf 参数来设置将用作默认上下文的所需参数。如果是 Kryo，您应该看看：

• spark.kryo.classesToRegister
• spark.kryo.registrator

在Spark Configuration 中查看Compression and Serialization。