背景介绍

最近调到大数据部门，Spark属于大数据非常重要的基础组件，研究研究也是非常必要的，现实验安装一下，以便对其部署运行机制有个深刻的认识。

实验环境

实验环境：Win7下vmware虚拟机
操作系统：CentOS 6.5 x64
JDK：jdk-8u161-linux-x64
Scala：scala-2.12.4
Hadoop：hadoop-2.7.5
Spark：spark-2.2.1-bin-hadoop2.7

系统规划

准备3个节点，一个master节点，两个slave节点。
Master节点服务角色：namenode、SecondNameNode、ResourceManager
Slave节点服务角色：datanode、NodeManager

• 192.168.86.143；master.itclj.spark；1核：2G
• 192.168.86.144；slave1.itclj.spark；1核；1G
• 192.168.86.145；slave2.itclj.spark；1核；1G

前置条件

Spark依赖的环境比较多：JDK、Scala、hadoop、python、R。
具体各组件的安装请参考下面链接。

• JDK：http://www.itclj.com/blog/5920236681c06e672f942ad4
• Scala：http://www.itclj.com/blog/5a96b77881c06e695320efd6
• Hadoop：http://www.itclj.com/blog/5a9d4ebf81c06e695320efd8
• Python：
• R：

Spark配置

Spark程序配置（主节点）

把程序包上传到/home/hadoop/app并解压。

rz  //选择上传程序包
tar –zxvf spark-2.2.1-bin-hadoop2.7.tgz

配置spark-env.sh和slaves

首先我们把缓存的文件spark-env.sh.template改为spark识别的文件spark-env.sh

cp conf/spark-env.sh.template conf /spark-env.sh

修改spark-env.sh文件

vim conf/spark-env.sh

在最后加入如下配置

export JAVA_HOME=/usr/java/jdk1.8.0_161
export SCALA_HOME=/usr/scala/scala-2.12.4
export HADOOP_HOME=/home/hadoop/app/hadoop-2.7.5
export HADOOP_CONF_DIR=/home/hadoop/app/hadoop-2.7.5/etc/hadoop
export SPARK_MASTER_IP=master.itclj.spark
export SPARK_WORKER_MEMORY=1g
export SPARK_WORKER_CORES=2
export SPARK_WORKER_INSTANCES=1

变量说明

• JAVA_HOME：Java安装目录
• SCALA_HOME：Scala安装目录
• HADOOP_HOME：hadoop安装目录
• HADOOP_CONF_DIR：hadoop集群的配置文件的目录
• SPARK_MASTER_IP：spark集群的Master节点的ip地址
• SPARK_WORKER_MEMORY：每个worker节点能够最大分配给exectors的内存大小
• SPARK_WORKER_CORES：每个worker节点所占有的CPU核数目
• SPARK_WORKER_INSTANCES：每台机器上开启的worker节点的数目

修改slaves文件

vim conf/slaves

删除原来的location，添加下面配置

slave1.itclj.spark
slave2.itclj.spark

把配置好的spark程序包同步到2个slave节点。

scp -r /home/hadoop/app/spark-2.2.1-bin-hadoop2.7 hadoop@slave1.itclj.spark:/home/hadoop/app
scp -r /home/hadoop/app/spark-2.2.1-bin-hadoop2.7 hadoop@slave2.itclj.spark:/home/hadoop/app

启动Spark集群

因为我们只需要使用hadoop的HDFS文件系统，所以我们并不用把hadoop全部功能都启动。

启动hadoop的HDFS文件系统

start-dfs.sh

启动Spark

因为hadoop/sbin以及spark/sbin均配置到了系统的环境中，它们同一个文件夹下存在同样的start-all.sh文件。最好是打开spark-2.2.0，在文件夹下面打开该文件。

./sbin/start-all.sh

Master节点jps查看

Slave节点jps查看

成功打开Spark集群之后可以进入Spark的WebUI界面，可以通过

http://192.168.86.133:8080/

访问，可见有两个正在运行的Worker节点。

打开Spark-shell

使用

spark-shell

便可打开Spark的shell

同时，因为shell在运行，我们也可以通过

SparkMaster_IP:4040

访问WebUI查看当前执行的任务。

---

参考：
http://blog.csdn.net/weixin_36394852/article/details/76030317
http://blog.csdn.net/ouyangyanlan/article/details/52355350