hadoop 組件之spark的安裝及配置

下面給出的是spark集群搭建的環境：

操作系統：最小安裝的CentOS 7（下載地址）

Yarn對應的hadoop版本號：Hadoop的Cloudera公司發行版Hadoop2.6.0-CDH5.4.0（下載地址）

Java版本號：JDK1.8（下載地址）

Scala版本號：Scala2.10.4（下載地址）

Spark版本號：spark-1.3.1-bin-hadoop2.6（下載地址）

集群組成：master  192.168.1.2

                     slave1   192.168.1.3

                     slave2   192.168.1.4

                     slave3   192.168.1.5

1、  操作系統的安裝

我覺得這個就沒必要說了，下載一個虛擬機或者直接在真機安裝，比較簡單，不再贅述。

2、  Java的安裝

請參看我的博文《Jdk1.8在CentOS7中的安裝與配置》有詳細說明。

3、  Scala的安裝

請參看我的博文《Scala2.10.4在CentOS7中的安裝與配置》有詳細說明。

4、  Yarn的部署

Yarn是由Hadoop2.x發展而來，是Hadoop1.x的JobTracker和TaskTracker的升級版本，是hadoop2.x的資源調度工具。搭建Hadoop2.x環境的時候，yarn會自動被搭建好，所以，我們只需要搭建hadoop環境即可。

Hadoop具體環境搭建，請參看我的博文《Hadoop2.6.0在CentOS 7中的集群搭建》有詳細說明。

5、  Spark的集群搭建

a)         首先，從官網下載spark1.3.1對應hadoop2.6.0的版本（注：以下所有操作都在超級用戶模式下進行！）

b)         在主節點master的root/app的目錄下，解壓下載好的spark-1.3.1-bin-hadoop2.6.tgz：

tar –xzvf spark-1.3.1-bin-hadoop2.6.tgz

c)         配置Spark的環境變量：

　　i. 　　vi  /etc/profile

　　ii.　　在文件最后添加：

　　　　　　## SPARK

　　　　　　export SPARK_HOME=spark的絕對路徑（我這邊是：/root/app/spark-1.3.1-bin-hadoop2.6）

　　　　　　export PATH=$PATH:$SPARK_HOME/bin

d)         Spark的相關文件配置

　　i.　　slaves的配置：

　　vi slaves

　　添加從節點slave名稱：

　　　　　　　　slave1

　　　　　　　　slave2

　　　　　　　　slave3

　　ii.　　spark-env.sh的配置

　　vi spark-env.sh

　　向文件添加：

　　　　　　　　export JAVA_HOME=Java安裝的絕對路徑（我這邊是：/root/app/jdk1.8）

　　　　　　　　export SCALA_HOME=Scala安裝的絕對路徑（我這邊是：/root/app/scala2.10）

　　　　　　　　export HADOOP_CONF_DIR=hadoop環境下的配置文件目錄etc/hadoop的絕對路徑（我這邊是：/root/app/hadoop-2.6.0-cdh6.4.0/etc/Hadoop）

　　　　　　　　export SPARK_MASTER_IP=主節點IP或主節點IP映射名稱（我這邊是：master）

　　　　　　　　export SPARK_MASTER_PORT=主節點啟動端口（默認7077）

　　　　　　　　export PARK_MASTER_WEBUI_PORT=集群web監控頁面端口（默認8080）

　　　　　　　　export SPARK_WORKER_CORES=從節點工作的CPU核心數目（默認1）

　　　　　　　　export SPARK_WORKER_PORT=從節點啟動端口（默認7078）

　　　　　　　　export SPARK_WORKER_MEMORY=分配給Spark master和 worker 守護進程的內存空間（默認512m）

　　　　　　　　export SPARK_WORKER_WEBUI_PORT=從節點監控端口（默認8081）

　　　　　　　　export SPARK_WORKER_INSTANCES=每臺從節點上運行的worker數量 (默認: 1). PS：當你有一個非常強大的計算的時候和需要多個Spark worker進程的時候你可以修改這個默認值大于1 . 如果你設置了這個值。要確保SPARK_WORKER_CORE 明確限制每一個worker的核心數, 否則每個worker 將嘗試使用所有的核心。

　　　　　3.　　我這邊的yarn部署是按照spark配置文件的默認部署的，如果你想根據實際情況來部署的話，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文件復制：

　　　　將配置好的Spark文件復制到各個從節點slave對應的目錄上：

　　　　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的集群啟動：

　　a)　　Yarn的啟動：

　　　　 i. 　　先進入hadoop目錄下

　　　　ii.　　 ./sbin/start-all.sh

　　　　iii.　　 jps發現有ResourceManager進程，說明yarn啟動完成

　　b)　　Spark的啟動：

　　　　i.　　 先進入spark目錄下

　　　　ii. 　　./sbin/start-all.sh

　　　　iii.　　 jps主節點發現有Master進程，jps從節點有Worker進程，說明spark啟動完成

　　c)      Spark監控頁面，我就不測試了，一般都是masterIP：8080，如有打不開監控頁面的問題也是防火墻沒有被禁用的問題，請參看我的博文《Hadoop環境搭建過程中可能遇到的問題》 里面的問題2有詳細說明。

7、至此，Spark On Yarn的集群搭建完成。