Spark集群安装指导

Spark集群安装

从 http://spark.apache.org/downloads.html 下载最新的Spark稳定版本。下载到指定路径下，这里是/opt/h2/下。

tar xvf spark-2.0.2-bin-hadoop2.7.tgz 
mv spark-2.0.2-bin-hadoop2.7 spark

设置关键变量

设置好Java配置参数后，需要设置必要的Spark运行的环境变量。假设我们需要3个worker，一个master的集群。

data5.module.prd
node1.prd
node2.prd
node3.prd

在master机器和slave机器上的hosts文件添加：

192.168.220.91  data5.module.prd
192.168.220.14 node1.prd
192.168.220.15 node2.prd
192.168.220.16 node3.prd

Spark环境变量

根据下面命令，设置Spark运行环境变量。 .bashrc文件内容如下：

# .bashrc

# Source global definitions
if [ -f /etc/bashrc ]; then
    . /etc/bashrc
fi

# User specific aliases and functions
export JAVA_HOME=/usr/local/software/jdk1.8.0_91 
export HADOOP_INSTALL=/opt/h2 <br>
export SPARK_HOME=/opt/h2/spark

export HBASE_HOME=/opt/hb
export HADOOP_OPTS="-Djava.library.path=$HADOOP_INSTALL/lib/native"
export PATH=$PATH:$HADOOP_INSTALL/bin:$HBASE_HOME/bin:$JAVA_HOME/bin
export PATH=$PATH:$HADOOP_INSTALL/sbin:$SPARK_HOME/bin:$SPARK_HOME/sbin 
export HADOOP_MAPRED_HOME=$HADOOP_INSTALL  
export HADOOP_COMMON_HOME=$HADOOP_INSTALL  
export HADOOP_HDFS_HOME=$HADOOP_INSTALL  
export HADOOP_CONF_DIR=$HADOOP_INSTALL/etc/hadoop
export YARN_HOME=$HADOOP_INSTALL 

设置SPARK_HOME和PATH路径参数。

export SPARK_HOME=/opt/h2/spark
export PATH=$PATH:$HADOOP_INSTALL/bin:$HBASE_HOME/bin:$JAVA_HOME/bin

Spark参数设置

编辑conf目录下的配置文件，命令如下所示：

cd spark
cd conf
cp spark-defaults.conf.template spark-defaults.conf

编辑文件：

vi spark-defaults.conf

添加内容：

spark.master                     spark://data5.module.prd:7077  
# 是否记录作业产生的事件或者运行状态(job，stage等使用内存等信息)  
spark.eventLog.enabled           true  
# 如果记录作业产生的事件或者运行状态，则将事件写入什么位置  
spark.eventLog.dir               hdfs://data5.module.prd:9000/user/hadoop/sparkevtlog  
# http history的监听端口号，通过http://hadoop.master:18080访问  
spark.history.ui.port            18080 

编辑slaves节点：

cp slaves.template slaves
vi slaves

添加内容：
node1.prd
node2.prd
node3.prd

SSH设置

在每台机上运行：

ssh-keygen -t rsa  

接着不断按Enter键，记住不能够设置密码。

cd ~/.ssh 

进入到.ssh 目录中，运行：

cp id_rsa.pub authorized_keys  

每个节点运行上面命令。
然后，运行：

#master machine  
ssh-copy-id -i ~/.ssh/id_rsa.pub node1.prd   
ssh-copy-id -i ~/.ssh/id_rsa.pub node2.prd  
ssh-copy-id -i ~/.ssh/id_rsa.pub node3.prd     
#3个slave机器上执行
ssh-copy-id -i ~/.ssh/id_rsa.pub data5.module.prd

master.prd能够直接通过ssh登陆 node1，node2， node3，无需密码，表示配置成功了。 反过来，也可以无密码登陆，表示整个配置正确。

复制文件

重master机器上，copy spark文件到slave机器上。

scp -r /opt/h2/spark node1.prd:/opt/h2/
scp -r /opt/h2/spark node2.prd:/opt/h2/
scp -r /opt/h2/spark node3.prd:/opt/h2/

启动关闭集群

可以使用Spark包提供的脚本启动关闭spark集群。

启动

/opt/h2/spark/sbin/start-all.sh

参看UI界面：

http://master.prd:8080/

当应用程序运行时，你可以浏览application UI：

http://master.prd:4040/

关闭

/opt/h2/spark/sbin/stop-all.sh

欢迎订阅微信公众号