hadoop 组件之spark的安装及配置
下面给出的是spark集群搭建的环境：操作系统：最小安装的CentOS 7（下载地址）
Yarn对应的hadoop版本号：Hadoop的Cloudera公司发行版Hadoop2.6.0-CDH5.4.0（下载地址）
Java版本号：JDK1.8（下载地址）
Scala版本号：Scala2.10.4（下载地址）
Spark版本号：spark-1.3.1-bin-hadoop2.6（下载地址）
集群组成：master192.168.1.2
slave1 192.168.1.3
slave2 192.168.1.4
slave3 192.168.1.5
1、操作系统的安装
我觉得这个就没必要说了，下载一个虚拟机或者直接在真机安装，比较简单，不再赘述。
2、Java的安装
请参看我的博文《Jdk1.8在CentOS7中的安装与配置》有详细说明。
3、Scala的安装
请参看我的博文《Scala2.10.4在CentOS7中的安装与配置》有详细说明。
4、Yarn的部署
Yarn是由Hadoop2.x发展而来，是Hadoop1.x的JobTracker和TaskTracker的升级版本，是hadoop2.x的资源调度工具。搭建Hadoop2.x环境的时候，yarn会自动被搭建好，所以，我们只需要搭建hadoop环境即可。
Hadoop具体环境搭建，请参看我的博文《Hadoop2.6.0在CentOS 7中的集群搭建》有详细说明。
5、Spark的集群搭建
a) 首先，从官网下载spark1.3.1对应hadoop2.6.0的版本（注：以下所有操作都在超级用户模式下进行！）
b) 在主节点master的root/app的目录下，解压下载好的spark-1.3.1-bin-hadoop2.6.tgz：
tar –xzvf spark-1.3.1-bin-hadoop2.6.tgz
c) 配置Spark的环境变量：
i. vi/etc/profile
ii. 在文件最后添加：
## SPARK
export SPARK_HOME=spark的绝对路径（我这边是：/root/app/spark-1.3.1-bin-hadoop2.6）
export PATH=$PATH:$SPARK_HOME/bin
d) Spark的相关文件配置
i. slaves的配置：
vi slaves
添加从节点slave名称：
slave1
slave2
slave3
ii. spark-env.sh的配置
vi spark-env.sh
向文件添加：
export JAVA_HOME=Java安装的绝对路径（我这边是：/root/app/jdk1.8）
export SCALA_HOME=Scala安装的绝对路径（我这边是：/root/app/scala2.10）
export HADOOP_CONF_DIR=hadoop环境下的配置文件目录etc/hadoop的绝对路径（我这边是：/root/app/hadoop-2.6.0-cdh5.4.0/etc/Hadoop）
export SPARK_MASTER_IP=主节点IP或主节点IP映射名称（我这边是：master）
export SPARK_MASTER_PORT=主节点启动端口（默认7077）
export PARK_MASTER_WEBUI_PORT=集群web监控页面端口（默认8080）
export SPARK_WORKER_CORES=从节点工作的CPU核心数目（默认1）
export SPARK_WORKER_PORT=从节点启动端口（默认7078）
export SPARK_WORKER_MEMORY=分配给Spark master和 worker 守护进程的内存空间（默认512m）
export SPARK_WORKER_WEBUI_PORT=从节点监控端口（默认8081）
export SPARK_WORKER_INSTANCES=每台从节点上运行的worker数量 (默认: 1). PS：当你有一个非常强大的计算的时候和需要多个Spark worker进程的时候你可以修改这个默认值大于1 . 如果你设置了这个值。要确保SPARK_WORKER_CORE 明确限制每一个worker的核心数, 否则每个worker 将尝试使用所有的核心。
3. 我这边的yarn部署是按照spark配置文件的默认部署的，如果你想根据实际情况来部署的话，可以修改一下文件：
# - HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files
# - SPARK_EXECUTOR_INSTANCES, Number of workers to start (Default: 2)
# - SPARK_EXECUTOR_CORES, Number of cores for the workers (Default: 1).
# - SPARK_EXECUTOR_MEMORY, Memory per Worker (e.g. 1000M, 2G) (Default: 1G)
# - SPARK_DRIVER_MEMORY, Memory for Master (e.g. 1000M, 2G) (Default: 512 Mb)
# - SPARK_YARN_APP_NAME, The name of your application (Default: Spark)
# - SPARK_YARN_QUEUE, The hadoop queue to use for allocation requests
# - SPARK_YARN_DIST_FILES, Comma separated list of files to be distributed with the job.
# - SPARK_YARN_DIST_ARCHIVES, Comma separated list of archives to be distributed with the job.
iii. Spark文件复制：
将配置好的Spark文件复制到各个从节点slave对应的目录上：
scp spark-1.3.1-bin-hadoop2.6/ root@slave1:/root/app
scp spark-1.3.1-bin-hadoop2.6/ root@slave2:/root/app
scp spark-1.3.1-bin-hadoop2.6/ root@slave3:/root/app
6、Spark On Yarn的集群启动：
a) Yarn的启动：
i. 先进入hadoop目录下
ii. ./sbin/start-all.sh
iii. jps发现有ResourceManager进程，说明yarn启动完成
b) Spark的启动：
i. 先进入spark目录下
ii. ./sbin/start-all.sh
iii. jps主节点发现有Master进程，jps从节点有Worker进程，说明spark启动完成
c) Spark监控页面，我就不测试了，一般都是masterIP：8080，如有打不开监控页面的问题也是防火墙没有被禁用的问题，请参看我的博文《Hadoop环境搭建过程中可能遇到的问题》 里面的问题2有详细说明。
7、至此，Spark On Yarn的集群搭建完成。
页:
[1]