VMware创建Linux虚拟机之（五）Spark完全分布式部署教程

Vim_飞鱼

6083人浏览 · 2022-12-21 22:11:01

Vim_飞鱼 · 2022-12-21 22:11:01 发布

Hello，转眼间已到2022年底，学期末……

总体来说，今年经历了很多，真正的成长了许多，成熟了许多。

只能说，希望，明天依旧美好！！！

🐒本篇博客使用到的工具有：VMware16 ，Xftp7

若不熟悉操作命令，推荐使用带GUI页面的CentOS7虚拟机

我将使用带GUI页面的虚拟机演示

虚拟机（Virtual Machine）

指通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统。在实体计算机中能够完成的工作在虚拟机中都能够实现。在计算机中创建虚拟机时，需要将实体机的部分硬盘和内存容量作为虚拟机的硬盘和内存容量。每个虚拟机都有独立的CMOS、硬盘和操作系统，可以像使用实体机一样对虚拟机进行操作。

【确保服务器集群安装和配置已经完成！】可参考我的博客：

VMware创建Linux虚拟机之（一）实现免密登录_Vim_飞鱼的博客-CSDN博客

VMware创建Linux虚拟机之（二）下载安装JDK与配置Java环境变量_Vim_飞鱼的博客-CSDN博客

VMware创建Linux虚拟机之（三）Hadoop安装与配置及搭建集群_Vim_飞鱼的博客-CSDN博客_利用vmware虚拟机安装hadoop

VMware创建Linux虚拟机之（四）ZooKeeper&HBase完全分布式安装_Vim_飞鱼的博客-CSDN博客_在vmware中hbase的安装和配置

前言

请根据读者的自身情况，进行相应随机应变。

我的三台CentOS7服务器：
主机：master（192.168.149.101）
从机：slave1（192.168.149.102）
从机：slave2（192.168.149.103）

每一个节点的安装与配置是相同的，在实际工作中，通常在master节点上完成安装和配置后，然后将安装目录通过 scp 命令复制到其他节点即可。

注意：所有操作都是root用户权限，需要我们登陆时选择root用户登录。

唯有热爱，可抵岁月漫长，唯有热爱，不畏世间无常！

继Mapreduce之后，作为新一代并且是主流的计算引擎，学好Spark是非常重要的，这一篇博客会专门介绍如何部署一个分布式的Spark计算框架，在之后的博客中，会继续讲到Spark的基本模块的介绍以及底层原理，好了，废话不多说，直接开始吧！

下载Spark安装包

部署Spark时，我们使用的版本如下所示：

Apache Spark™ - Unified Engine for large-scale data analyticshttps://spark.apache.org/

解压Spark安装包

首先，需要确保 network 网络已经配置好，使用 Xftp 等类似工具进行上传，把 spark-3.1.2-bin-hadoop3.2.tgz 上传到 opt/ 目录内。（也可使用U盘等工具拖拽）
上传完成后，在 master 主机上执行以下代码：解压Spark

cd /opt/

tar -zxvf spark-3.1.2-bin-hadoop3.2.tgz

执行成功后，系统在 opt 目录自动创建 spark-3.1.2 子目录。

注意：可使用 ls 等命令查看文件解压是否无误。

配置bashrc文件(等同于profile)

#Spark

export SPARK_HOME=/opt/spark-3.1.2

export PATH=$SPARK_HOME/bin:$PATH

三台虚拟机均进行此操作

修改spark-env.sh文件

[root@master conf]# cp spark-env.sh.template spark-env.sh

[root@master conf]# vim spark-env.sh

[root@master conf]#

添加如下内容：

export JAVA_HOME=/opt/jdk1.8.0_261

export HADOOP_HOME=/opt/hadoop/hadoop

export SPARK_MASTER_IP=master

export SPARK_MASTER_PORT=7077

export SPARK_DIST_CLASSPATH=$(/opt/hadoop/hadoop/bin/hadoop classpath)

export HADOOP_CONF_DIR=/opt/hadoop/hadoop/etc/hadoop

export SPARK_YARN_USER_ENV="CLASSPATH=/opt/hadoop/hadoop/etc/hadoop"

export YARN_CONF_DIR=/opt/hadoop/hadoop/etc/hadoop

如下图所示：

将spark拷贝到其他两个节点

[root@master conf]# scp -r /opt/spark-3.1.2/ slave1:/opt/

[root@master conf]# scp -r /opt/spark-3.1.2/ slave2:/opt/

启动spark集群并查看进程

master：

[root@master opt]# /opt/spark-3.1.2/sbin/start-all.sh

starting org.apache.spark.deploy.master.Master, logging to /opt/spark-3.1.2/logs/spark-root-org.apache.spark.deploy.master.Master-1-master.out
slave1: starting org.apache.spark.deploy.worker.Worker, logging to /opt/spark-3.1.2/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave1.out
slave2: starting org.apache.spark.deploy.worker.Worker, logging to /opt/spark-3.1.2/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave2.out
master: starting org.apache.spark.deploy.worker.Worker, logging to /opt/spark-3.1.2/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-master.out

[root@master opt]# jps
3860 Worker
3677 Master
3886 Jps

slave1：

[root@slave1 ~]# jps
1749 Worker
1806 Jps

[root@slave1 ~]#

slave2：

[root@slave2 ~]# jps
3667 Jps
3590 Worker

[root@slave2 ~]#

启动spark检测是否能正常启动

启动local模式：spark-shell --master local

[root@master hadoop]# cd /opt/spark-3.1.2/conf/

[root@master conf]# spark-shell --master local
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/spark-3.1.2/jars/slf4j-log4j12-1.7.30.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/hadoop/hadoop/share/hadoop/common/lib/slf4j-reload4j-1.7.36.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
2022-12-21 22:01:54,437 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Spark context Web UI available at http://leader:4040
Spark context available as 'sc' (master = local, app id = local-1671631329749).
Spark session available as 'spark'.
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /___/ .__/\_,_/_/ /_/\_\   version 3.1.2
      /_/
         
Using Scala version 2.12.10 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_261)
Type in expressions to have them evaluated.
Type :help for more information.

scala>

结合实例，可以看到我们的 Spark 组件已经完美部署完成！

💪