Spark环境搭建

Spark环境搭建

一、local本地模式
1.下载spark压缩包spark-3.0.1-bin-hadoop2.7.tgz。地址: http://archive.apache.org/dist/spark/
2.解压并重命名
# 解压到指定路径
tar -zxvf spark-3.0.1-bin-hadoop2.7.tgz -C /opt/modules/
# 重命名
mv spark-3.0.1-bin-hadoop2.7 spark-3.0.1
3.测试

在这里插入图片描述

二、Standalone-独立集群模式
1.集群规划

hadoop01:master

hadoop02:worker

hadoop03:worker

2.修改配置文件

进入spark-3.0.1/conf目录下

修改slaves文件

# 复制模板文件
cp slaves.template slaves
# 修改,添加
hadoop02
hadoop03

修改spark-env.sh文件

# 复制模板文件
cp spark-env.sh.template spark-env.sh
# 添加
export JAVA_HOME=/opt/modules/jdk1.8
HADOOP_CONF_DIR=/opt/modules/hadoop-2.7.2/etc/hadoop
YARN_CONF_DIR=/opt/modules/hadoop-2.7.2/etc/hadoop

SPARK_MASTER_HOST=hadoop01
SPARK_MASTER_PORT=7077

SPARK_MASTER_WEBUI_PORT=8080
SPARK_WORKER_CORES=1
SPARK_WORKER_MEMORY=1g
3.分发修改后的spark到其他节点
scp -r spark-3.0.1 jiang@hadoop02:$PWD
scp -r spark-3.0.1 jiang@hadoop03:$PWD
4.测试

在这里插入图片描述

在这里插入图片描述

启动spark-shell统计hdfs上的wordscount.txt文件单词个数

val textFile = sc.textFile("hdfs://192.168.89.10:9000/test/spark/wordscount.txt")
val counts = textFile.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)
counts.collect

在这里插入图片描述

三、Standalone-HA高可用集群模式
1.在二的基础上修改配置文件spark-env.sh
export JAVA_HOME=/opt/modules/jdk1.8
HADOOP_CONF_DIR=/opt/modules/hadoop-2.7.2/etc/hadoop
YARN_CONF_DIR=/opt/modules/hadoop-2.7.2/etc/hadoop

# Spark配置
#SPARK_MASTER_HOST=hadoop01
SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=hadoop01:2181,hadoop02:2181,hadoop03:2181 -Dspark.deploy.zookeeper.dir=/spark"
SPARK_MASTER_PORT=7077

SPARK_MASTER_WEBUI_PORT=8080
SPARK_WORKER_CORES=1
SPARK_WORKER_MEMORY=1g

修改完成后分发到各个节点

2.启动hadoop和zookeeper集群
[jiang@hadoop01 modules]$ xcall.sh jps
-------- hadoop01 ----------
4275 NodeManager
4023 DataNode
4378 JobHistoryServer
4621 Jps
3886 NameNode
4575 QuorumPeerMain
-------- hadoop02 ----------
2656 DataNode
2916 NodeManager
2792 ResourceManager
3276 QuorumPeerMain
3325 Jps
-------- hadoop03 ----------
2883 Jps
2839 QuorumPeerMain
2458 DataNode
2570 SecondaryNameNode
2653 NodeManager
[jiang@hadoop01 modules]$

启动spark集群sbin/start-all.sh

[jiang@hadoop01 sbin]$ xcall.sh jps
-------- hadoop01 ----------
4657 Master
4275 NodeManager
4023 DataNode
4378 JobHistoryServer
4730 Jps
3886 NameNode
4575 QuorumPeerMain
-------- hadoop02 ----------
2656 DataNode
3424 Jps
2916 NodeManager
2792 ResourceManager
3276 QuorumPeerMain
3372 Worker
-------- hadoop03 ----------
2934 Worker
2839 QuorumPeerMain
2984 Jps
2458 DataNode
2570 SecondaryNameNode
2653 NodeManager

在hadoop02单独启动master

[jiang@hadoop02 spark-3.0.1]$ sbin/start-master.sh 
3.查看进程

在这里插入图片描述

主master

在这里插入图片描述

副master

在这里插入图片描述

模拟主master宕机

kill -9 主master id
4.查看web页面

主master

在这里插入图片描述

副master

在这里插入图片描述

四、Spark on Yarn
1.配置Hadoop中yarn-site.xml文件
<configuration>

<!-- Site specific YARN configuration properties -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
<!-- 指定YARN的ResourceManager的地址 -->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop02</value>
    </property>
    <!--设置yarn集群内存分配方案  内存分配方案我没有配置,配置了resourcemanager启动不了 -->
    <property>
      <name>yarn.nodemanager.resource.memory-mb</name>
      <value>20480</value>
    </property>
    <property>
      <name>yarn.scheduler.minimum-allocation-mb</name>
      <value>20480</value>
    </property>
    <property>
      <name>yarn.nodemanager.vmem-pmem-ration</name>
      <value>2.1</value>
    </property>
    <!-- 开启日志聚集功能  -->
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
            <description>
        开启日志聚集功能,任务执行完之后,将日志文件自动上传到文件系统(如HDFS文件系统),
        否则通过namenode1:8088页面查看日志文件的时候,会报错
        "Aggregation is not enabled. Try the nodemanager at namenode1:54951"
        </description>
    </property>
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>302400</value>
        <description>
        日志文件保存在文件系统(如HDFS文件系统)的最长时间,默认值是-1,即永久有效。 这里配置的值
是:7天 = 3600 * 24 * 7 = 302400
        </description>
    </property>
    <!-- 设置yarn历史服务器地址  -->
    <property>
      <name>yarn.log.server.url</name>
      <value>http://hadoop01:19888/jobhistory/logs</value>
    </property>
    <!--关掉虚拟内存检查  -->
   <property>
      <name>yarn.nodemanager.vmem-check-enabled</name>
      <value>false</value>
   </property>
    <property>
      <name>yarn.nodemanager.pmem-check-enabled</name>
      <value>false</value>
    </property>
</configuration>
2.配置spark历史服务器和Yarn整合

修改spark conf目录下配置文件spark-defaults.conf

cp spark-defaults.conf.template spark-defaults.conf
vim spark-defaults.conf
# 添加一下内容
spark.eventLog.enabled            true
spark.eventLog.dir                hdfs://hadoop01:9000/sparklog
spark.eventLog.compress           true
spark.yarn.historyServer.address  hadoop01:18080

修改spark conf目录下配置文件spark-env.sh

# 添加一下内容
SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=hdfs://hadoop01:9000/sparklog/ --Dspark.history.fs.cleaner.enabled=true"

手动创建sparklog文件

hdfs dfs -mkdir -p /sparklog
修改spark日志配置文件,修改日志级别
[jiang@hadoop01 conf]$ cp log4j.properties.template log4j.properties
[jiang@hadoop01 conf]$ vim log4j.properties

在这里插入图片描述

3.分发文件

spark-env.sh

spark-defaults.conf

log4j.properties

4.配置spark依赖的jar包

在hdfs上创建存储spark依赖的jar包目录

hdfs dfs -mkdir -p /spark/jars/

上传$SPARK_HOME/jars所有jar包到hdfs

hdfs dfs -put /opt/modules/spark-3.0.1/jars/* /spark/jars/

修改spark-defaults.conf文件,添加一下内容

spark.yarn.jars hdfs://hadoop01:9000/spark/jars/*

分发spark-defaults.conf到各个节点

5.启动服务

启动hdfs和yarn服务

start-dfs.sh

start-yarn.sh

start-all.sh

启动spark HistoryServer服务

start-history-server.sh

在这里插入图片描述

五、Spark on Yarn两种模式

在这里插入图片描述

在这里插入图片描述

测试

client模式

SPARK_HOME=/opt/modules/spark-3.0.1
${SPARK_HOME}/bin/spark-submit \
--master yarn \
--deploy-mode client \
--driver-memory 512m \
--driver-cores 1 \
--executor-memory 512m \
--num-executors 2 \
--executor-cores 1 \
--class org.apache.spark.examples.SparkPi \
${SPARK_HOME}/examples/jars/spark-examples_2.12-3.0.1.jar \
10

在这里插入图片描述

cluster模式
SPARK_HOME=/opt/modules/spark-3.0.1
${SPARK_HOME}/bin/spark-submit \
--master yarn \
--deploy-mode cluster \
--driver-memory 512m \
--driver-cores 1 \
--executor-memory 512m \
--num-executors 2 \
--executor-cores 1 \
--class org.apache.spark.examples.SparkPi \
${SPARK_HOME}/examples/jars/spark-examples_2.12-3.0.1.jar \
10

在这里插入图片描述

查看web界面 http://192.168.89.11:8088/cluster

在这里插入图片描述

六、Spark on Yarn (spark-submit 提交任务)

maven项目pom完整文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.jiang</groupId>
    <artifactId>spark</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <encoding>UTF-8</encoding>
    </properties>

    <dependencies>

        <!-- https://mvnrepository.com/artifact/org.scala-lang/scala-library -->
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>2.12.10</version>
        </dependency>


        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>3.0.1</version>
        </dependency>

    </dependencies>

    <build>
        <!--资源文件夹-->
        <sourceDirectory>src/main/scala</sourceDirectory>
        <plugins>
        <!--声明并引入构建的插件-->
            <!--用于编译Scala代码到class-->
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.2.2</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                        <configuration>
                            <args>
                                <arg>-dependencyfile</arg>
                                <arg>${project.build.directory}/.scala_dependencies</arg>
                            </args>
                        </configuration>
                    </execution>
                </executions>
            </plugin>

            <!--    -->
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.4.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude>META-INF/*.SF</exclude>
                                        <exclude>META-INF/*.DSA</exclude>
                                        <exclude>META-INF/*.RSA</exclude>
                                    </excludes>
                                </filter>
                            </filters>
                        </configuration>
                    </execution>
                </executions>
            </plugin>

        </plugins>
    </build>

</project>

代码:

package com.jiang.hello

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object WordCount {

  def main(args: Array[String]): Unit = {

    if(args.length < 2){
      println("请指定input和output")
      System.exit(1)
    }

    val conf:SparkConf = new SparkConf().setAppName("wc")//.setMaster("local[*]")
    val sc:SparkContext = new SparkContext(conf)
    sc.setLogLevel("WARN")

    //val count = sc.textFile("data/input/wc.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)
    val lines:RDD[String] = sc.textFile(args(0))

    val words:RDD[String] = lines.flatMap(_.split(" "))

    val wordandons:RDD[(String,Int)] = words.map((_,1))

    val count:RDD[(String,Int)] = wordandons.reduceByKey(_+_)

//    count.foreach(println)
//    count.collect()
//    System.setProperties("HADOOP_USER_NAME","root")

    count.repartition(1).saveAsTextFile(args(1))

    sc.stop()

  }

}

打包步骤

依次双击

在这里插入图片描述

上传打的jar包到服务器

选中的是我重命名后的jar,上传这个就行。打包会生成两个jar包,一个大的一个小的,要小的那个。

在这里插入图片描述

在这里插入图片描述

执行一下命令

SPARK_HOME=/opt/modules/spark-3.0.1
${SPARK_HOME}/bin/spark-submit \
--master yarn \
--deploy-mode cluster \
--driver-memory 512m \
--driver-cores 1 \
--executor-memory 512m \
--num-executors 2 \
--executor-cores 1 \
--class com.jiang.hello.WordCount \  #在idea右击你的项目类Copy Reference的路径
/opt/modules/testdata/spark/wordcount.jar \  # 你上传jar的路径
hdfs://192.168.89.10:9000/test/spark/wordscount.txt \	# 要统计的在hdfs上的文件路径
hdfs://192.168.89.10:9000/test/spark/output02  # 计算结果存放hdfs的路径

运行完成后会在hdfs://192.168.89.10:9000/test/spark/output02目录下看到结果

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Spark环境搭建与使用 Apache Spark是一个开源的大数据处理框架,可以快速、高效地处理大规模的数据集。它支持多种数据处理方式,包括批处理、流处理和机器学习等。 Spark可以在本地模式下运行,也可以在分布式模式下运行。在分布式模式下,Spark可以利用多台服务器的计算资源,进行大规模的数据处理。 本文将介绍如何在本地环境中搭建Spark,并通过一个简单的例子来演示Spark的使用。 Spark环境搭建 在开始之前,需要确认已经安装了Java环境。可以通过以下命令检查Java环境是否已经安装: ``` java -version ``` 如果Java环境没有安装,可以去官网下载并安装Java。 接下来,需要下载Spark。可以从官网下载最新版本的Spark。下载完成后,解压缩到指定目录。 打开终端,进入Sparkbin目录,执行以下命令启动Spark: ``` ./spark-shell ``` 这个命令将启动Spark的交互式Shell。在Shell中,可以输入Spark的API命令进行数据处理。 Spark使用示例 下面,通过一个简单的例子来演示Spark的使用。该例子将统计一组数字中的奇数个数。 首先,在Spark的Shell中,创建一个RDD: ``` val nums = sc.parallelize(1 to 10) ``` 这个命令将创建一个包含1到10的数字的RDD。接下来,通过filter()方法,筛选出奇数: ``` val odds = nums.filter(_ % 2 != 0) ``` 这个命令将创建一个包含奇数的RDD。最后,通过count()方法,计算奇数的个数: ``` val count = odds.count() ``` 这个命令将返回奇数的个数。可以通过以下命令输出结果: ``` println(count) ``` 这个例子演示了Spark的基本用法。通过Spark的API,可以快速、高效地处理大规模的数据集。 总结 本文介绍了如何在本地环境中搭建Spark,并通过一个简单的例子来演示Spark的使用。Spark是一个强大的大数据处理框架,可以帮助我们快速、高效地处理大规模的数据集。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值