Apache Spark-1.0.1集群搭建[转]

　　Apache Spark   a fast and general engine for large-scale data processing

　　Spark是一个高效的分布式计算系统，相比Hadoop，它在性能上比Hadoop要高100倍。Spark是发源于美国加州大学伯克利分校AMPLab的集群计算平台，它克服了MapReduce在迭代式计算和交互式计算方面的不足，通过引入RDD（Resilient Distributed Datasets）数据表示模型，能够很好地解决MapReduce不易解决的问题。相比于MapReduce，Spark能够充分利用内存资源提高计算效率。

一、基本环境

包含三个节点：

master（Ubuntu Desktop版本） 192.168.145.128

slave1（Ubuntu Server版本）    192.168.145.129

slave2（Ubuntu Server版本）    192.168.145.130

操作系统：Ubuntu14.04 x64

JDK版本：jdk1.8.0_11 

Hadoop版本：Hadoop-2.2.0  

Scala版本：2.10.4（官网要求2.10.X）

Spark版本：1.0.1

取得《Spark-1.0.1 的make-distribution.sh编译、SBT编译、Maven编译 三种编译方法》中编译好的 spark-1.0.1-bin-2.2.0.tgz

Hadoop-2.2.0集群的安装见http://www.cnblogs.com/fesh/p/3766656.html

Scala的安装见 http://www.cnblogs.com/fesh/p/3805611.html   

（注：Scala在master节点上安装好后，直接用scp命令分发到slave1、slave2，并在slave1和slave2配置环境变量即可）

在master节点和slave1节点分别配置/etc/hosts和/etc/hostname：（下面这些应该在安装Hadoop集群时已经配置好了）

/etc/hosts

192.168.145.128 master
192.168.145.129 slave1
192.168.145.130 slave2

/etc/hostname  (master)

master

/etc/hostname  (slave1)

slave1

/etc/hostname  (slave2)

slave2

二、Spark配置

1、master节点文件配置

在master节点：

解压spark-1.0.1-bin-2.2.0.tgz

tar -zxvf spark-1.0.1-bin-2.2.0.tgz

在/etc/profile中配置环境变量

#Set SPARK_HOME
export SPARK_HOME=/home/fesh/spark-1.0.1-bin-2.2.0
export PATH=$PATH:$SPARK_HOME/bin

在spark-1.0.1-bin-2.2.0/conf下配置文件spark-env.sh和slaves：

cp spark-env.sh.template spark-env.sh
sudo gedit spark-env.sh

在文件spark-env.sh末尾添加：

export HADOOP_CONF_DIR=/home/fesh/hadoop-2.2.0/etc/hadoop
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_11
export SCALA_HOME=/home/fesh/scala-2.10.4
export SPARK_MASTER_IP=master
export SPARK_WORKER_MEMORY=512M
export SPARK_EXECUTOR_MEMORY=512M

export SPARK_EXECUTOR_INSTANCES=2   （下面这几项可以不配置，采用默认就可以了）
export SPARK_EXECUTOR_CORES=1
export SPARK_DRIVER_MEMORY=512M
export SPARK_YARN_APP_NAME="spark 1.0.1"

在文件slaves中去掉localhohst并设置

master
slave1
slave2

2、分发文件

分发spark-1.0.1-bin-2.2.0文件到slave1节点

scp -r spark-1.0.1-bin-2.2.0 slave1:~/

分发spark-1.0.1-bin-2.2.0文件到slave2节点

scp -r spark-1.0.1-bin-2.2.0 slave2:~/

三、启动Spark集群

首先启动Hadoop-2.2.0集群，然后在spark-1.0.1-bin-2.2.0根目录下启动Spark集群

sbin/start-all.sh

对于slave1节点

 对于slave2节点

四、查看信息

1、进入Spark集群的Web页面

在master节点上，浏览器访问： http://master:8080

2、控制台查看

进入{SPARK_HOME}/bin目录，使用 spark-shell 控制台

3、Web查看SparkUI

在master节点，浏览器进入 http://master:4040

五、停止Spark集群

sbin/stop-all.sh

参考：

1、http://spark.apache.org/docs/latest/running-on-yarn.html

2、http://spark.apache.org/docs/latest/configuration.html