Spark集群环境搭建

一、开发工具

1. JAVA：JDK(Oracle官网最新版)
2. Hadoop(Version:2.7.3)
3. Spark(Version:2.1.1)
4. VirtualBox
5. Scala(Vesion:2.1.12)
6. Ubuntu(Vesion:16.04)

二、Linux基本配置

1. VirtualBox安装Ubuntu

2. Ubuntu下切换到root

   sudo passwd //设置root的密码

3. Ubuntu VI编辑器乱码

   先卸载vim-tiny：

   $ sudo apt-get remove vim-common

   再安装vim full：

   $ sudo apt-get install vim

4. SSH免密码登录

   a.安装ssh client server

   sudo apt-get install openssh-client
    sudo apt-get install openssh-server

   在Master主机上生成

   ssh-keygen -t rsa

   三次回车之后，在当前根目录下会生成：.ssh目录，.ssh下有id_rsa和id_rsa.pub

   b.将生成的id_rsa.pub复制到Slaver机器上的.ssh/authorized_keys文件中，如果没有该目录及文件，手动创建，并使用追加的方式进行：

   cat id_rsa.pub >> .ssh/authorized_keys

   authorized_keys的权限设置：

   chmod 600 .ssh/authorized_keys

三、Java安装及环境变量配置

1. 解压JDK

   在/usr/local目录下新建目录jdk,解压JDK文件

   sudo tar -zxvf jdkXXX.tar.gz -C /usr/local/jdk

2. 配置环境变量

   编辑/etc/profile文件：

   export JAVA_HOME=/usr/local/jdk/jdk1.8.0_131
    export JRE_HOME=${JAVA_HOME}/jre
    export CLASS_PATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
   
    export PATH=$PATH:${JAVA_HOME}/bin # $PATH必须得有

四、Hadoop安装配置

1. 解压Hadoop

   sudo tar -zxvf hadoop2.7.3.tar.gz -C /usr/local/hadoop

2. 修改Hadoop的配置文件(目录:hadoop/hadoop2.7.3/etc/hadoop)

   core-site.xml
   
    hdfs-site.xml
   
    maped-site.xml
    
    yarn-site.xml
    
    hadoop-env.sh
    
    slaves

3. 格式化并启动HDFS

   格式化:

   bin/hdfs namenode -format

   启动HDFS:

   sbin/start_dfs.sh

   启动失败的可原因：/etc/hosts文件有变动

4. 使用Browser查看HDFS信息

   使用默认端口连接：http://master:50070/

5. 启动资源管理框架YARN

   /sbin/start-yarn.sh

6. 查看Hadoop的UI控制台

   http://master:8088

五、Spark安装配置

1. 解压Spark

   sudo tar -zxvf spark-2.1.1-hin-hadoop2.7 -C /usr/local/spark

2. 修改Spark的配置文件(conf目录下)

   spark-env.sh
    
    slaves

3. 配置系统环境变量

   vim /etc/profile
    使用scp 将/etc/profile文件同步到每台机器上

4. 拷贝Spark安装目录下的所有文件到其它的机器上

5. 启动Spark

   启动Spark

   /sbin/start-all.sh

   启动Spark的日志记录服务

   sbin/start-history-server.sh

6. 查看Spark的UI控制台

   http://master:8080
    http://master:18080 (history-server)

7. Spark-submit提交Spark运行

   bin目录下:

   spark-submit 
    --class 完整的包名
    --master spark://master:7077
    --executor-memory 20G
    --total-executor-cores 100
    *.jar 运行jar的完整路径
    1000 并行运行的数目

8. spark-shell运行

   bin目录下:

   spark-shell
    --master spark://Master:7077