Spark的介绍和集群部署

介绍

 

　　1.spark处理大数据的统一分析计算引擎；

　　　　a.速度：在迭代循环的计算模型下，spark比Hadoop快100倍；
　　　　b.易用性：spark提供多种语言的API，如Java、Python、Scala、R、SQL等
　　　　c.扩展性：在spark RDD基础上，提供一整套的分析计算模型：spark SQL、spark Stresaming、spark MLLib和图计算；
　　　　d.运行： spark支持在hadoop、Hadoop, Apache Mesos, Kubernetes, standalone, or in the cloud.
　　2.spark安装部署：
　　　　0).版本选型：spark2.1.2。依赖scala2.11.8
　　　　1).下载spark2.1.2.tar.gz
　　　　2).解压安装：
　　　　　　$>cd /home/hyxy/soft/
　　　　　　$>cp /mnt/hgfs/2.安装环境/download/apache-spark/spark-2.1.2-bin-hadoop2.7.tgz .
　　　　　　$>tar -zxvf spark-2.1.2-bin-hadoop2.7.tgz
　　　　　　$>ln -s spark-2.1.2-bin-hadoop2.7 spark
　　　　3).配置环境变量
　　　　　　修改【~/.bash_profile】,在文件尾部追加以下内容：
　　　　　　　　#spark install
　　　　　　　　export SPARK_HOME=/home/hyxy/soft/spark
　　　　　　　　export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
　　　　　　　　$>source ~/.bash_profile
　　　　4).至此，单机版搭建完成！
　　　　　　$>spark-shell
　　　　　　访问WebUI：HTTP://master:4040

集群模式部署

 

　　

　　0.说明：如果现有的集群框架中存在MR的相关应用，同时相关的MR无法转换为Spark应用的，集群选型为Spark On Yarn；
　　　　　　如果现有的集群框架中只有Spark应用，那么建议采用spark Standalone模式；
　　1.spark可以运行在不同的计算引擎上，所以集群模式安装分不同种情况：
　　　　　　说明：spark的Standalone模式和Spark on Yarn占比比较多。
　　　　　　　　a.spark的Standalone集群模式安装
　　　　　　　　　　1.复制三个文件,并修改：
　　　　　　　　　　　　$>cp spark-env.sh.template spark-env.sh
　　　　　　　　　　　　　　添加以下内容，注意：“=”附近无空格：
　　　　　　　　　　　　　　　　export JAVA_HOME=/home/hyxy/soft/jdk
　　　　　　　　　　　　　　　　export SPARK_MASTER_HOST=master
　　　　　　　　　　　　　　　　export SPARK_MASTER_PORT=7077
　　　　　　　　　　　　　　　　$>cp slaves.template slaves
　　　　　　　　　　　　　　添加工作节点(Worker)，如下：
　　　　　　　　　　　　　　　　master
　　　　　　　　　　　　　　　　slave1
　　　　　　　　　　　　　　　　slave2
　　　　　　　　　　　　　　　　$>cp spark-defaults.conf.template spark-defaults.conf
　　　　　　　　　　2.远程scp复制spark安装目录至其它节点：slave1和slave2；
　　　　　　　　　　　　$>scp -r ~/soft/spark-2.1.2-bin-hadoop2.7/ hyxy@slave1:/home/hyxy/soft/
　　　　　　　　　　　　$>ln -s spark-2.1.2-bin-hadoop2.7 spark //在Slave1节点上
　　　　　　　　　　3.分别修改slave1、slave2等的环境变量；
　　　　　　　　　　4.开启spark Standalone集群的守护进程
　　　　　　　　　　　　$>start-master.sh //开启spark的Master守护进程
　　　　　　　　　　　　$>start-slaves.sh //开启spark的Worker守护进程
　　　　　　　　　　5.测试
　　　　　　　　　　　　访问WebUI界面：http://master：8080
　　　　　　　　　　　　$>spark-shell --master spark://master:7077
　　　　　　　　　　　　观察WebUI的网页说明；
　　　　　　b.Spark on Yarn集群模式安装
　　　　　　　　1).修改spark-env.sh文件，添加以下内容：
　　　　　　　　　　export HADOOP_CONF_DIR=/home/hyxy/soft/hadoop/etc/hadoop
　　　　　　　　2).测试：
　　　　　　　　开启hadoop：
　　　　　　　　　　$>zkserver.sh start
　　　　　　　　　　$>start-dfs.sh
　　　　　　　　　　$>start-yarn.sh
　　　　　　　　启动spark：
　　　　　　　　　　$>spark-shell --master yarn-client
　　　　　　　　3).注意：抛异常，资源调用超出上限，修改默认校验
　　　　　　　　　　修改{HADOOP_HOEM/etc/hadoop}/yarn-site.xml
　　　　　　　　　　　　<property>
　　　　　　　　　　　　　　<name>yarn.nodemanager.pmem-check-enabled</name>
　　　　　　　　　　　　　　<value>false</value>
　　　　　　　　　　　　</property>

　　　　　　　　　　　　<property>
　　　　　　　　　　　　　　<name>yarn.nodemanager.vmem-check-enabled</name>
　　　　　　　　　　　　　　<value>false</value>
　　　　　　　　　　　　</property>
　　　　　　　　分发至集群其它节点，重启Hadoop，即可！！