Spark集群 + Akka + Kafka + Scala 开发(1) : 配置开发环境

目标

• 配置一个spark standalone集群 + akka + kafka + scala的开发环境。
• 创建一个基于spark的scala工程，并在spark standalone的集群环境中运行。
• 创建一个基于spark+akka的scala工程，并在spark standalone的集群环境中运行。
• 创建一个基于spark+kafka的scala工程，并在spark standalone的集群环境中运行。

集群框架图

本图主要是说明各个组件可以发布到不同的逻辑机器上。

G Spark Cluster + AKKA + KAFKA akka_client AKKA Client akka_server AKKA Server (Spark) akka_client->akka_server spark_master Spark Master akka_server->spark_master spark_slave1 Spark Slave spark_master->spark_slave1 spark_slave2 Spark Slave spark_master->spark_slave2 spark_slave3 Spark Slave spark_master->spark_slave3 kafka_producer1 Kafka Producer kafka_cluster Kafka Cluster kafka_producer1->kafka_cluster kafka_producer2 Kafka Producer kafka_producer2->kafka_cluster kafka_producer3 Kafka Producer kafka_producer3->kafka_cluster kafka_consumer1 Kafka consumer (Spark) kafka_cluster->kafka_consumer1 kafka_consumer2 Kafka consumer (Spark) kafka_cluster->kafka_consumer2 kafka_consumer3 Kafka consumer (Spark) kafka_cluster->kafka_consumer3 kafka_consumer1->spark_master kafka_consumer2->spark_master kafka_consumer3->spark_master

本文主要是为了配置一个用于开发和测试的环境，所以将所有组件都部署到了一台机器上。

预装的软件配置

Software	Version	Location	Comment
CentOS	7.2.1511
JDK	Oracle JDK 1.8 x64	/opt/java
Spark	2.0.0	/opt/spark
Akka	2.4.10	/opt/akka
Kafka	0.8.2.1	/opt/kafka
Scala	2.11.8	/opt/scala
sbt	0.13.12		开发环境

配置环境变量

• 编辑 ~/.bash_profile 加上下面的语句：

export JAVA_HOME=/opt/java
export SCALA_HOME=/opt/scala
export SPARK_HOME=/opt/spark
export KAFKA_HOME=/opt/kafka
export AKKA_HOME=/opt/akka
export PATH=$PATH:$JAVA_HOME/bin:$SPARK_HOME/bin:$SCALA_HOME/bin:$KAFKA_HOME/bin

• 应用配置 使上面的配置起效。

source ~/.bash_profile

下载并安装必要的软件

• JDK 1.8 Download URL: http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html 下载jdk-8u102-linux-x64.tar.gz 解压到目录/opt下，把目录名改成/opt/java。

tar --directory /opt -xzf jdk-8u102-linux-x64.tar.gz
mv /opt/jdk-8u102 /opt/java

• Spark 2.0.0

Download URL: http://spark.apache.org/downloads.html 下载spark-2.0.0-bin-hadoop2.7.tgz 解压到目录/opt下，把目录名改成/opt/spark。

wget http://d3kbcqa49mib13.cloudfront.net/spark-2.0.0-bin-hadoop2.7.tgz
tar --directory /opt -xzf spark-2.0.0-bin-hadoop2.7.tgz
mv /opt/spark-2.0.0-bin-hadoop2.7 /opt/spark

• Scala

Download URL: http://www.scala-lang.org/download/ 下载scala-2.11.8.tgz 解压到目录/opt下，把目录名改成/opt/scala。

wget http://downloads.lightbend.com/scala/2.11.8/scala-2.11.8.tgz
tar --directory /opt -xzf scala-2.11.8.tgz
mv /opt/scala-2.11.8 /opt/scala

• AKKA Download URL: http://akka.io/downloads/ 下载Standalone Distribution: akka_2.11-2.4.10.zip 解压到目录/opt下，把目录名改成/opt/akka。

wget http://downloads.typesafe.com/akka/akka_2.11-2.4.10.zip
upzip -q akka_2.11-2.4.10.zip -d /opt 
mv /opt/akka_2.11-2.4.10 /opt/akka

• KAFKA

  由于我们将会使用Spark内置的Stream KAFKA功能，这个功能现在绑定了KAFKA 8.x. 如果你不用这个功能开发，而是写一个Kafka的Comsumer，可以下载最新的版本。

Download URL: http://kafka.apache.org/downloads.html 下载: kafka_2.11-0.8.2.1.tgz 解压到目录/opt下，把目录名改成/opt/kafka。

wget http://mirrors.cnnic.cn/apache/kafka/0.10.0.1/kafka_2.11-0.8.2.1.tgz
tar --directory /opt kafka_2.11-0.8.2.1.tgz
mv /opt/kafka_2.11-0.8.2.1 /opt/kafka

• sbt sbt包用于开发环境，在测试环境和生产环境可以不要。 可以使用yum安装。

curl https://bintray.com/sbt/rpm/rpm | sudo tee /etc/yum.repos.d/bintray-sbt-rpm.repo
sudo yum install sbt

配置软件

• 复制AKKA的类库到spark里，这样spark应用就可以使用AKKA的类库。 因为有两个spark配置需要设定class path，我们分别针对它们建两个目录。 一个是$SPARK_HOME/extraClassPath/driver。 另外一个是$SPARK_HOME/extraClassPath/executor。 复制/opt/akka/lib/akka/akka和/opt/akka/lib/akka/config-到这两个目录里。

  注意：不要复制所有的akka文件，akka类库中的某些文件的版本可能会和spark的有冲突， 在运行apark应用时，会出现java.lang.ExceptionInInitializerError。

mkdir -p $SPARK_HOME/extraClassPath/driver
cp -n /opt/akka/lib/akka/akka* $SPARK_HOME/extraClassPath/driver/
cp -n /opt/akka/lib/akka/config-* $SPARK_HOME/extraClassPath/driver/

mkdir -p $SPARK_HOME/extraClassPath/executor
cp -n /opt/akka/lib/akka/akka* $SPARK_HOME/extraClassPath/executor/
cp -n /opt/akka/lib/akka/config-* $SPARK_HOME/extraClassPath/executor/

• 在spark的配置文件spark-defaults.conf中，指定classPath 进入到$SPARK_HOME/conf目录中，看有没有文件spark-defaults.conf。 如果没有复制spark-defaults.conf.template为spark-defaults.conf。 编辑spark-defaults.conf，加入下面两行。

spark.driver.extraClassPath        /opt/spark/extraClassPath/driver/*
spark.executor.extraClassPath      /opt/spark/extraClassPath/executor/*

cp -n $SPARK_HOME/conf/spark-defaults.conf.template $SPARK_HOME/conf/spark-defaults.conf
echo "spark.driver.extraClassPath        /opt/spark/extraClassPath/driver/*" >> $SPARK_HOME/conf/spark-defaults.conf
echo "spark.executor.extraClassPath      /opt/spark/extraClassPath/executor/*" >> $SPARK_HOME/conf/spark-defaults.conf

• 复制KAFKA的类库到spark里。

mkdir -p $SPARK_HOME/extraClassPath/driver
cp -n $KAFKA_HOME/libs/kafka_2.11-0.8.2.1.jar $SPARK_HOME/extraClassPath/driver/
cp -n $KAFKA_HOME/libs/kafka-clients-0.8.2.1.jar $SPARK_HOME/extraClassPath/driver/
cp -n $KAFKA_HOME/libs/metrics-core-2.2.0.jar $SPARK_HOME/extraClassPath/driver/

mkdir -p $SPARK_HOME/extraClassPath/executor
cp -n $KAFKA_HOME/libs/kafka_2.11-0.8.2.1.jar $SPARK_HOME/extraClassPath/executor/
cp -n $KAFKA_HOME/libs/kafka-clients-0.8.2.1.jar $SPARK_HOME/extraClassPath/executor/
cp -n $KAFKA_HOME/libs/metrics-core-2.2.0.jar $SPARK_HOME/extraClassPath/executor/

验证安装的结果

测试spark部署情况

运行下面的命令：

$SPARK_HOME/bin/run-example SparkPi 10

正常的情况下，会有一大堆输出，看看有没有: Pi is roughly 3.14

• 启动spark集群master server

$SPARK_HOME/sbin/start-master.sh

master服务，默认会使用7077这个端口。可以通过其日志文件查看实际的端口号。

• 启动spark集群slave server

$SPARK_HOME/sbin/start-slave.sh spark://$(hostname):7077

后面的参数是master URL.

• 在集群环境中，运行spark的sample

$SPARK_HOME/bin/run-example --master spark://$(hostname):7077 SparkPi 10

后面的参数是master URL. 正常的情况下，会有一大堆输出，看看有没有: 7077 Pi is roughly 3.14

• 关闭spark的master服务

$SPARK_HOME/sbin/stop-master.sh

• 关闭spark的slave服务

$SPARK_HOME/sbin/stop-slave.sh

测试Kafka的部署情况

• 启动kafka服务器

# Start zookeeper server
gnome-terminal -x sh -c '$KAFKA_HOME/bin/zookeeper-server-start.sh $KAFKA_HOME/config/zookeeper.properties; bash'

# Wait zookeeper server is started.
sleep 5s

# Start kafka server
gnome-terminal -x sh -c '$KAFKA_HOME/bin/kafka-server-start.sh $KAFKA_HOME/config/server.properties; bash'

# Wait kafka server is started.
sleep 5s

注：使用Ctrl+C可以中断服务。

• 创建一个topic

# Create a topic
$KAFKA_HOME/bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

# List topics
$KAFKA_HOME/bin/kafka-topics.sh --list --zookeeper localhost:2181

• 发一个Message

# Send a message
echo This is a message | $KAFKA_HOME/bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test

• 启动一个consumer来接受消息。 新起一个终端。正常情况下可以收到This is a message。 不行的话，再发一遍消息。

# Start a consumer
$KAFKA_HOME/bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning

测试Scala的部署情况

这个比较简单，运行：

echo sys.exit | $SCALA_HOME/bin/scala

可以看到Scala的版本号。检查是否正确。

下面请看

至此，我们已经部署好了一个spark集群+akka+scala的开发环境。下一步请看： Spark集群 + Akka + Kafka + Scala 开发(2) : 开发一个Spark应用 Spark集群 + Akka + Kafka + Scala 开发(3) : 开发一个Akka + Spark的应用 Spark集群 + Akka + Kafka + Scala 开发(4) : 开发一个Kafka + Spark的应用

参照

• akka document
• Elasticity (cloud computing)
• Resilient control systems
• akka 2.4.10 code samples
• akka office samples
• A simple Akka (actors) remote example
• Shutdown Patterns in AKKA 2