溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“Spark集群搭建的方法”，在日常操作中，相信很多人在Spark集群搭建的方法問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Spark集群搭建的方法”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
spark是一個用于大規模數據處理的統一計算引擎。適用于各種各樣原先需要多種不同的分布式平臺處理的場景，包括批處理、迭代計算、交互式查詢、流處理。通過統一的框架將各種處理流程整合到一起。
將spark-3.0.0-bin-hadoop3.2.tgz.tgz文件上傳到Linux并解壓縮在指定位置
tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/modulecd /opt/module mv spark-3.0.0-bin-hadoop3.2 spark-standalone
\1) 進入解壓縮后路徑的conf目錄，修改slaves.template文件名為slaves
mv slaves.template slaves
\2) 修改slaves文件，添加work節點
hadoop102hadoop103hadoop104
\3) 修改spark-env.sh.template文件名為spark-env.sh
mv spark-env.sh.template spark-env.sh
\4) 修改spark-env.sh文件，添加JAVA_HOME環境變量和集群對應的master節點
export JAVA_HOME=/opt/module/jdk1.8.0_212 SPARK_MASTER_HOST=hadoop102SPARK_MASTER_PORT=7077
注意：7077端口，相當于hadoop3.x內部通信的8020端口，此處的端口需要確認自己的虛擬機配置
\5) 分發spark-standalone目錄
xsync spark-standalone
\1) 執行腳本命令：
sbin/start-all.sh
\2) 查看三臺服務器運行進程
================hadoop102================ 3330 Jps 3238 Worker 3163 Master ================hadoop103================ 2966 Jps 2908 Worker ================hadoop104================ 2978 Worker 3036 Jps
\3) 查看Master資源監控Web UI界面: http://hadoop102:8080
bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://hadoop102:7077 \ ./examples/jars/spark-examples_2.12-3.0.0.jar \ 10
–class表示要執行程序的主類
–master spark://hadoop102:7077 獨立部署模式，連接到Spark集群
spark-examples_2.12-3.0.0.jar 運行類所在的jar包
數字10表示程序的入口參數，用于設定當前應用的任務數量
執行任務時，會產生多個Java進程
大數據Spark運行環境：Standalone模式與配置詳解 執行任務時，默認采用服務器集群節點的總核數，每個節點內存1024M。
由于spark-shell停止掉后，集群監控hadoop102:4040頁面就看不到歷史任務的運行情況，所以開發時都配置歷史服務器記錄任務運行情況。
\1) 修改spark-defaults.conf.template文件名為spark-defaults.conf
mv spark-defaults.conf.template spark-defaults.conf
\2) 修改spark-default.conf文件，配置日志存儲路徑
spark.eventLog.enabled truespark.eventLog.dir hdfs://hadoop102:8020/directory
注意：需要啟動hadoop集群，HDFS上的directory目錄需要提前存在。
sbin/start-dfs.sh hadoop fs -mkdir /directory
\3) 修改spark-env.sh文件, 添加日志配置
export SPARK_HISTORY_OPTS=" -Dspark.history.ui.port=18080 -Dspark.history.fs.logDirectory=hdfs://hadoop102:8020/directory -Dspark.history.retainedApplications=30"
注：寫成一行!!空格隔開!!!
參數1含義：WEB UI訪問的端口號為18080
參數2含義：指定歷史服務器日志存儲路徑
參數3含義：指定保存Application歷史記錄的個數，如果超過這個值，舊的應用程序信息將被刪除，這個是內存中的應用數，而不是頁面上顯示的應用數。
\4) 分發配置文件
xsync conf
\5) 重新啟動集群和歷史服務
sbin/start-all.shsbin/start-history-server.sh
\6) 重新執行任務
bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://hadoop102:7077 \ ./examples/jars/spark-examples_2.12-3.0.0.jar \ 10
\7) 查看歷史服務：http://hadoop102:18080
所謂的高可用是因為當前集群中的Master節點只有一個，所以會存在單點故障問題。所以為了解決單點故障問題，需要在集群中配置多個Master節點，一旦處于活動狀態的Master發生故障時，由備用Master提供服務，保證作業可以繼續執行。這里的高可用一般采用Zookeeper設置
集群規劃:
\1) 停止集群
sbin/stop-all.sh
\2) 啟動Zookeeper
\3) 修改spark-env.sh文件添加如下配置
注釋如下內容：#SPARK_MASTER_HOST=hadoop102#SPARK_MASTER_PORT=7077添加如下內容:#Master監控頁面默認訪問端口為8080，但是會和Zookeeper沖突，所以改成8989，也可以自定義，訪問UI監控頁面時請注意SPARK_MASTER_WEBUI_PORT=8989export SPARK_DAEMON_JAVA_OPTS=" -Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=hadoop102,hadoop103,hadoop104 -Dspark.deploy.zookeeper.dir=/spark"注：寫成一行!!空格隔開!!!
\4) 分發配置文件
xsync conf/
\5) 啟動集群
sbin/start-all.sh
\6) 啟動hadoop103的單獨Master節點，此時hadoop103節點Master狀態處于備用狀態
[bigdata@hadoop103 spark-standalone]$ sbin/start-master.sh
\7) 提交應用到高可用集群
bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://hadoop102:7077,hadoop103:7077 \ ./examples/jars/spark-examples_2.12-3.0.0.jar \ 10
\8) 停止hadoop102的Master資源監控進程
\9) 查看hadoop103的Master 資源監控Web UI，稍等一段時間后，hadoop103節點的Master狀態提升為活動狀態
到此，關于“Spark集群搭建的方法”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
