spark_单机安装、集群搭建

官网

• http://spark.apache.org/
• 下载spark-2.3.4-bin-hadoop2.6.tgz

单机启动

• 进入 bin 目录 启动 ./spark-shell
• 测试： 

  sc.textFile("/tmp/spark/test.txt").flatMap(x => x.split(" ")).map((_,1)).reduceByKey(_+_).foreach(println)

• 结果

  (spark,2)
  (hello,3)
  (msb,1)
  (good,1)
  (world,1)
  

  　　

集群搭建

1. 基础设施
   1. jdk 1.8
   2. ke01、ke02、ke03、ke04
   3. HDFS环境、zookeeper环境
   4. 四台机器免密
2. 文件配置
   1. spark-2.3.4-bin-hadoop2.6.tgz放到 /opt/bigdata目录下
   2. 配置/etc/profile环境
3. 文件配置
   1. 配置conf/slaves

      1.复制slaves.template 为 slaves
      2. 删除文件内localhost 配置从节点为：ke02、ke03、ke04

   2. 配置conf/spark-env.sh.template

      1.复制spark-env.sh.template一份为spark-env.sh
      2.配置spark-env.sh
      //export文件配置目录
      export HADOOP_CONF_DIR=/opt/bigdata/hadoop-2.6.5/etc/hadoop
      // 主机地址
      export SPARK_MASTER_HOST=ke01
      // 主机端口号
      export SPARK_MASTER_PORT=7077
      // 主机WEBUI页面
      export SPARK_MASTER_WEBUI_PORT=8080
      // 一台机器多少内核
      export SPARK_WORKER_CORES=4
      // 一台机器多少内存
      export SPARK_WORKER_MEMORY=4g
      
      

启动集群

1. 启动zk
2. 启动HDFS
3. 启动spark     ./start-all.sh

启动日志：只有spark资源层跑起来了

[root@ke01 sbin]# ./start-all.sh 
starting org.apache.spark.deploy.master.Master, logging to /opt/bigdata/spark-2.3.4-bin-hadoop2.6/logs/spark-root-org.apache.spark.deploy.master.Master-1-ke01.out
ke04: starting org.apache.spark.deploy.worker.Worker, logging to /opt/bigdata/spark-2.3.4-bin-hadoop2.6/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-ke04.out
ke02: starting org.apache.spark.deploy.worker.Worker, logging to /opt/bigdata/spark-2.3.4-bin-hadoop2.6/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-ke02.out
ke03: starting org.apache.spark.deploy.worker.Worker, logging to /opt/bigdata/spark-2.3.4-bin-hadoop2.6/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-ke03.out

访问页面：http://ke01:8080/，可以看到资源层cores、workers信息、memory,以及主机地址

启动spark-shell

• ./spark-shell --help 可以查看shell启动文档信息
• 启动： ./spark-shell  --master spark://ke01:7077
• 可以看到8080页面有了application
  
• 访问：http://ke01:4040/jobs/
  • 可以查看到job的stages
  • 运行两遍发现，用时明显减少，说明集群有缓存

集群高可用

//conf目录下
cp spark-defaults.conf.template spark-defaults.conf

spark.deploy.recoveryMode       ZOOKEEPER
spark.deploy.zookeeper.url      ke02:2181,ke03:2181,ke04:2181
spark.deploy.zookeeper.dir      /kespark

// 开启日志
spark.eventLog.enabled  true
// 日志写入的目录
spark.eventLog.dir      hdfs://mycluster/spark_log
// 日志读取的目录，以后重启spark可以读取以前跑的记录 从默认端口18080读取
spark.history.fs.logDirectory   hdfs://mycluster/spark_log

//分发其他机器
scp spark-defaults.conf ke02:`pwd`


//修改ke02也为主机  目录 conf/spark-env.sh
export SPARK_MASTER_HOST=ke02

启动：
ke01: [root@ke01 sbin]# ./start-all.sh 
ke02: [root@ke02 sbin]# ./start-master.sh 


测试：
http://ke01:8080/  Status: STANDBY
http://ke02:8080/  Status: ALIVE

// 启动历史日志记录
[root@ke01 sbin]# ./start-history-server.sh
查看历史记录： http://ke01:18080/


// 登录spark
[root@ke01 bin]# ./spark-shell  --master spark://ke01:7077,ke02:7077

// 查看zk
[zk: localhost:2181(CONNECTED) 0] ls /
[zookeeper, yarn-leader-election, hadoop-ha, hbase, kespark]
[zk: localhost:2181(CONNECTED) 1] ls /kespark
[leader_election, master_status]

PI演练

//学习网址
http://spark.apache.org/docs/2.3.4/submitting-applications.html

// 使用π案例进行演练，PI代码地址：https://github.com/apache/spark/blob/v2.3.4/examples/src/main/scala/org/apache/spark/examples/SparkPi.scala

// jar包地址： /opt/bigdata/spark-2.3.4-bin-hadoop2.6/examples/jars
/spark-examples_2.11-2.3.4.jar



脚本：
[root@ke01 jars]# $SPARK_HOME/bin/spark/spark-submit 
> --class org.apache.spark.examples.SparkPi 
> --master spark://ke01:7077,ke02:7077 
> ./spark-examples_2.11-2.3.4.jar 
> 10


脚本-文件方式：
vi submit.sh 

class=org.apache.spark.examples.SparkPi
jar=$SPARK_HOME/examples/jars/spark-examples_2.11-2.3.4.jar
$SPARK_HOME/bin/spark-submit 
--master spark://ke01:7077,ke02:7077 
--class $class 
$jar 
1000

. submit.sh 

调度

// 脚本增加--deploy-mode  8080页面可以查看Running Drivers、Completed Drivers 
--deploy-mode cluster

/**
当--executor-cores 1  --total-executor-cores 6  executor是6
当--executor-cores 4  --total-executor-cores 6  executor是1
既先满足executor-cores 不能超过total-executor-cores
*/
--total-executor-cores 6 
--executor-cores 1 
--executor-memory  1024m