如何使用spark-sql-perf
如何使用spark-sql-perf，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
基础环境的安装
刀片机：1台 126G内存 64核心 centos 7.2
virtualbox安装四台虚拟机（centos 7.2，16G内存，4核）：master,worker1,worker2,worker3（centos下）
spark版本：2.0
hadoop版本：2.6
安装请参考：hadoop安装或者Spark On Yarn安装
安装后的截图
davies/tpcds-kit 下载、编译、部署
简介
davies/tpcds-kit是用来生成测试数据的工具
下载
git clone https://github.com/davies/tpcds-kit.git
编译
任选一台机器（这里我们选择master）安装以下编译工具（默认软件里没有编译工具）
yum install gcc gcc-c bison flex cmake ncurses-devel cd tpcds-kit/tools cp Makefile.suite Makefile #复制Makefile.suite为Makefile make #运行make命令
接下来，拷贝tpcds-kit到所有机器的相同目录下（重要）
scp -r /目录/tpcds-kit root@worker1:/目录/tpcds-kit #执行三次该命令复制到worker1,worker2,worker3
databricks/spark-sql-perf 下载、打包
下载
git clone https://github.com/databricks/spark-sql-perf.git
打包
使用sbt package打包的jar在使用时会出现依赖找不到情况，我们使用Intellij Idea导入该工程
修改sbt.build，更改scala版本为2.11.8 
打包成jar包
设置Project Structure
设置Artifacts
Build
jar包不需要每个节点都有
运行TPCDS测试
更改spark.env中的driver内存限制
SPARK_DRIVER_MEMORY=8G #依具体情况而定
运行spark-shell
cd spark-2.0.0-bin-hadoop2.6 ./bin/spark-shell --jars /jar包目录/spark-sql-perf.jar --num-executors 20 --executor-cores 2 --executor-memory 8G --master spark://master:7077
在spark-shell中运行测试
// 创建sqlContext
val sqlContext=new org.apache.spark.sql.SQLContext(sc)
import sqlContext.implicits._
// 生成数据 参数1：sqlContext 参数2：tpcds-kit目录 参数3：生成的数据量（GB）
val tables=new Tables(sqlCotext,"/目录/tpcds-kit/tools",1)
tables.genData("hdfs://master:8020:tpctest","parquet",true,false,false,false,false);
// 创建表结构（外部表或者临时表）
// talbles.createExternalTables("hdfs://master:8020:tpctest","parquet","mytest",false)
talbles.createTemporaryTables("hdfs://master:8020:tpctest","parquet")
import com.databricks.spark.sql.perf.tpcds.TPCDS
val tpcds=new TPCDS(sqlContext=sqlContext)
//运行测试
val experiment=tpcds.runExperiment(tpcds.tpcds1_4Queries)在spark-shell中我们可以调用 _experiment.html_查看执行状态
HDFS上生成的数据截图
运行截图
运行结果保存在spark/performance目录下
HDFS上的评测结果截图
关于如何使用spark-sql-perf问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注美国cn2行业资讯频道了解更多相关知识。