Spark 1.5.4:wget http://www.apache.org/dyn/closer.lua/spark/spark-1.5.2/spark-1.5.2-bin-hadoop2.6.tgz
Hadoop 2.6.3:wget http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.6.3/hadoop-2.6.3.tar.gz
scala :apt-get install scala
第二步：配置环境变量
运行/etc/profile
export JAVA_HOME=/usr/lib/jvm/jdk1.7.0_80
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/BIN:${SCALA_HOME}/bin:${SPARK_HOME}/bin:/home/supermap/program/hadoop-2.6.3/bin:$PATH
export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export SCALA_HOME=/usr/lib/scala/scala-2.11.7
export PATH=${SCALA_HOME}/bin:$PATH
export SPARK_HOME=/program/spark-1.5.2-bin-hadoop2.6
source /etc/profile
第三步：创建镜像
通过OpenStack管理器依据配置好的虚拟机创建镜像。生成的镜像配置例如以下：
镜像概况信息
名称 spark-hadoop
ID 61055db5-598b-4f1a-98fa-d2cbbf305d0c
状态 Active
公有 False
受保护的 False
校验和 47acf7993101713aee17764802602941
________________________________________
配置 4.4 GB
容器格式 BARE
磁盘格式 QCOW2
最小磁盘 60.0GB
第四步：创建虚拟机
基于创建的镜像，生成2台虚拟机，加上最開始用于创建镜像的1台，一共3台虚拟主机。名称分别为：
spark_hadoop_master
spark_hadoop_slave1
spark_hadoop_slave2
以下就能够開始做与创建Spark集群相关的操作了。
第五步：设置主机名
1.在/etc/hostname中就改主机名，分别设置三台主机为master、slave1、slave2，并重新启动
2.重新启动之后，分别设置三个节点etc/hosts，指定ip和主机名的相应关系。
通过測试root@master:~# ssh slave1，在输入root用户password后能够登录。
第六步：改动ssh无password訪问
首先开启root用户訪问权限
1. 改动/etc/ssh/sshd-config文件。设置例如以下：
2. PermitRootLogin yes
3. PubkeyAuthentication yes
4. PasswordAuthentication yes
又一次启动ssh服务：service ssh restart
再进行例如以下測试，能够免输入password登录了。
第七步：配置Spark集群
进入Spark的conf文件夹：
把spark-env.sh.template拷贝为spark-env.sh
把slaves.template拷贝为slaves
vim打开spark-env.sh改动当中的内容。增加下面设置
export JAVA_HOME=/usr/lib/jvm/jdk1.7.0_80
export SPARK_MASTER_IP=192.168.12.154
export SPARK_WORKER_MEMORY=4g
export SCALA_HOME=/usr/lib/scala/scala-2.11.7
export HADOOP_CONF_DIR=/home/supermap/program/hadoop-2.6.3/etc/hadoop
SPARK_WORKER_MEMORY：制定的Worker节点可以最大分配给Excutors的内存大小，因为配置的虚拟机是4g内存，为了最大限度使用内存，这里设置4G。
接下来配置slaves文件，把Workers节点都加入进去：
这样的配置把master也作为一个Worker节点。
以上配置在master和slave1。slave2节点都做同样处理。
第八步：启动集群
这里測试没有启动Hadoop集群。仅仅须要Spark集群进行启动就可以，在Spark文件夹下，执行sbin/start-all.sh就可以启动集群服务。
最后通过訪问spark管理页面查看服务状态
