文章分为四个部分讲述怎样使用spark官方评测工具评测spark 2.0 tpc ds支持情况
- 基础环境的安装
- davies/tpcds-kit 下载、编译、部署
- databricks/spark-sql-perf 下载、打包
- 运行TPCDS测试
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：或者
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
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-develcd tpcds-kit/toolscp Makefile.suite Makefile #复制Makefile.suite为Makefilemake #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
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sqlContextval 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.TPCDSval 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
