spark集群搭建

standlone模式集群参考:      http://www.cnblogs.com/xiaoxiao5ya/p/b35e6798b7d9d202d1f7128d324ecf4c.html

spark源码编译参考：http://www.cnblogs.com/xiaoxiao5ya/p/9f8552ed941b2483aa0802e9e982668a.html

hadoop集群搭建参考：http://www.cnblogs.com/HeroBeast/p/4962730.html

hadoop单节点安装参考：http://www.cnblogs.com/xiaoxiao5ya/p/7cdd6d16387d78ca3cd7cfc2eaae7fe5.html

 

 

前提条件：已经搭建好hadoop集群，在此基础上，有三台主机，并且主机之间设置了ssh免密码登陆，我的主机名字是：hadoop01，hadoop02，hadoop03

 

目标：

搭建一个master，两个slaver的集群

 

 

环境：

JAVA:1.7.0

SCALA:2.10.4：http://www.scala-lang.org/download/all.html

spark：1.3.1：http://spark.apache.org/downloads.html

直接下载编译之后的，然后下载对应的hadoop版本：http://archive.cloudera.com/cdh5/cdh/5/hadoop/

hadoop使用cdh更好

 

1，安装scala      

下载scala包：  http://www.scala-lang.org/download/all.html

 

配置scala环境

 

解压到/root/soft目录下

然后配置环境变量如下

刷新profile                 source /etc/profile

 

 

测试scala

进入scala的shell命令：

这样，scala的环境就配置好了 

 

 

配置spark环境：

 

进入conf目录下修改三个文件名如下结构；

 

1，修改spark-env.sh

 

设置java_home路径

设置scala_home路径

加入：

再加入历史设置：

SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=hdfs://spark00:8020/user/cyhp/sparkhistory"

HADOOP_CONF_DIR=/root/------                        表示使用hdfs上的资源，如果需要使用本地资源，请把这一句注销

注：在设置Worker进程的CPU个数和内存大小，要注意机器的实际硬件条件，如果配置的超过当前Worker节点的硬件条件，Worker进程会启动失败。

 

 

解释：

SPARK_MASTER_IP	绑定一个外部IP给master.
SPARK_MASTER_PORT	从另外一个端口启动master(默认: 7077)
SPARK_MASTER_WEBUI_PORT	Master的web UI端口 (默认: 8080),这个端口太常用，建议换一个
SPARK_WORKER_PORT	启动Spark worker 的专用端口(默认：随机)
SPARK_WORKER_DIR	伸缩空间和日志输入的目录路径(默认: SPARK_HOME/work);
SPARK_WORKER_CORES	作业可用的CPU内核数量(默认: 所有可用的);
SPARK_WORKER_MEMORY	作业可使用的内存容量，默认格式1000M或者 2G (默认: 所有RAM去掉给操作系统用的1 GB);注意：每个作业自己的内存空间由SPARK_MEM决定。
SPARK_WORKER_WEBUI_PORT	worker 的web UI 启动端口(默认: 8081)
SPARK_WORKER_INSTANCES	没太机器上运行worker数量 (默认: 1). 当你有一个非常强大的计算机的时候和需要多个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r worker的核心数, 否则每个worker 将尝试使用所有的核心
SPARK_DAEMON_MEMORY	分配给Spark master和 worker 守护进程的内存空间 (默认: 512m)
SPARK_DAEMON_JAVA_OPTS	Spark master 和 worker守护进程的JVM 选项(默认: none) 来源： <http://www.fwqtg.net/spark-env-sh%E5%B8%B8%E7%94%A8%E9%85%8D%E7%BD%AE%E9%A1%B9.html>

 

2，修改slaves

 

 

3，修改spark-defalts.con

 

 

spark.master spark://spark00:7077

spark.eventLog.enabled true
spark.eventLog.dir hdfs://spark00:8020/user/cyhp/sparkhistory
spark.eventLog.compress true

 

依次将scala的安装包，spark，拷贝到haoop02,03

 

 scp -r scala-2.10.4/ hadoop02:/root/soft/

scp -r spark-1.3.0/ hadoop02:/root/soft/

 scp -r /etc/profile hadoop02:/etc/

 

 

至此，spark集群环境已经搭建好了

---------------------------------------------------------

测试：

hadoop01上：

 

cd    /root/soft/spark-1.3.1

 sbin/start-master.sh                             启动master

                

sbin/start-slaves.sh                                启动worker

 

现在hadoop01上启动了一个master进程

hadoop02，hadoop03启动了一个worker进程

 

打开浏览器：

http://hadoop01:8080/

 

>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>

说明spark集群没有问题，现在来测试Wordcount例子

 

写一份wc.input文件上传到hdfs中：

位置： hdfs://hadoop01:8020/user/hadoop/data/wc.input

 

打开spark的shell客户端：

cd /root/soft/spark-1.3.1/bin               

 ./spark-shell

 

 

scala> val rdd=sc.textFile("hdfs://hadoop01:8020/user/hadoop/data/wc.input")

 

scala> rdd.cache()

 

scala> val wordcount=rdd.flatMap(_.split(" ")).map(x=>(x,1)).reduceByKey(_+_)

 

scala> wordcount.take(10)

 

scala> val wordsort=wordcount.map(x=>(x._2,x._1)).sortByKey(false).map(x=>(x._2,x._1))

 

scala> wordsort.take(10)

 

 

 

再来用官方给的代码测试：

2. package com.cloudyhadoop.spark.app
4. import org.apache.spark.SparkContext
5. import org.apache.spark.SparkContext._
6. import org.apache.spark.SparkConf
8. object SimpleApp{
9. def main(args:Array[String]){
10. val logFile ="hdfs://hadoop01:8020/user/cyhp/spark/wc.input"// Should be some file on your system
11. val conf =newSparkConf()//
12. .setAppName("Simple Application")
13. .setMaster("spark://spark00:7077")//集群模式
14. // .setMaster("local") // 本地模式
15. val sc =newSparkContext(conf)
16. val logData = sc.textFile(logFile,2).cache()
17. val numAs = logData.filter(line => line.contains("a")).count()
18. val numBs = logData.filter(line => line.contains("b")).count()
19. println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
21. sc.stop()
22. }
23. }

 

打包方式：

在IDEA中打包生成jar，

进入spark主目录，执行命令：bin/spark-submit --jars  /jar包位置

 

具体的idea使用方式，打jar包，参考：http://www.cnblogs.com/xiaoxiao5ya/p/b20abaa9640c55a9e9ec9b2109887f2a.html

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

来自为知笔记(Wiz)