如何在虚拟机上安装和配置Spark开发环境

如何

在虚拟机上安装和配置Spark开发环境

背景：

Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AMP lab(加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架，Spark拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

下载解压安装包

我们从官网下载好安装包，

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aF8JGJ2V-1609661845784)(https://data.educoder.net/api/attachments/224760)]

自己在虚拟机创建一个opt目录，如果你的虚拟机是6.0以上，7.0一下的版本的化你要注意，虚拟机上有opt目录的，如果是7.0以上的版本要自己创建一个opt目录，用来存储下好的Spark包:

创建存储文件：

mkdir /opt

在创建一个/app用来放解压后的文件的文件目录
mkdir /app

解压：

tar -zxvf spark-2.2.2-bin-hadoop2.7.tgz -C /app

配置环境变量：

vim /etc/profile

添加如下内容：
#set spark enviroment
$PARK_HOME=/app/spark-2.2.2-bin-hadoop2.7
export PATH=$PATH:$SPARK_HOME/bin

修改Spark配置文件

切换到conf目录下：

cd /app/spark-2.2.2-bin-hadoop2.7/conf

在这里我们需要配置的是spark-env.sh文件，但是查看目录下文件只发现一个spark-env.sh.template文件，我们使用命令复制该文件并重命名为spark-env.sh即可；

cp spark-env.sh.template spark-env.sh

接下来编辑spark-env.sh，在文件末尾添加如下配置：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_111export SCALA_HOME=/app/scala-2.12.7export HADOOP_HOME=/usr/local/hadoop/export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoopexport SPARK_MASTER_IP=machine_name   # machine_name 根据自己的主机确定export SPARK_LOCAL_IP=machine_name    # machine_name 根据自己的主机确定

参数解释：

参数	解释
JAVA_HOME	Java的安装路径
SCALA_HOME	Scala的安装路径
HADOOP_HOME	Hadoop的安装路径
HADOOP_CONF_DIR	Hadoop配置文件的路径
SPARK_MASTER_IP	Spark主节点的IP或机器名
SPARK_LOCAL_IP	Spark本地的IP或主机名

如何查看机器名/主机名呢？

很简单，在命令行输入：hostname即可。

如图：

校验

最后我们需要校验是否安装配置成功了； 现在我们启动spark并且运行spark自带的demo：

首先我们在spark根目录下启动spark： 在spark的根目录下输入命令./sbin/start-all.sh即可启动，使用jps命令查看是否启动成功，有woker和master节点代表启动成功。

如图：

接下来运行demo：

• 在Spark根目录使用命令

  ./bin/run-example SparkPi > SparkOutput.txt`
  
  运行示例程序
  

• 在运行的时候我们可以发现打印了很多日志，最后我们使用

  cat SparkOutput.txt
  

  可以查看计算结果（计算是有误差的所以每次结果会不一样）：