Spark集群安装部署

最新推荐文章于 2024-05-30 20:20:45 发布

糖小豆子

最新推荐文章于 2024-05-30 20:20:45 发布

阅读量2.6k

点赞数 3

分类专栏： Hadoop Spark 文章标签： hadoop spark

本文链接：https://blog.csdn.net/Sugar_girl/article/details/77867618

版权

Spark 同时被 2 个专栏收录

6 篇文章 1 订阅

订阅专栏

Hadoop

3 篇文章 0 订阅

订阅专栏

　　本小菜是按照此文 Spark On YARN 安装集群环境的，这里总结下安装部署过程以及所遇问题解决方法。
　　本次安装部署版本： Hadoop2.8.1+Scala2.12.3+Spark2.2.0
0 写在最前
　　本例中的演示均为非root权限，所以有些命令行需要加sudo，如为root身份运行，请忽略sudo。
1.环境准备
修改主机名
　　我们将搭建1个master，2个slave的集群方案。首先修改主机名vi /etc/hostname，在master上修改为master，其中一个slave上修改为slave1，另一个修改为slave2。
配置hosts
　　在每台主机上修改host文件

vi /etc/hosts
10.1.1.107      master
10.1.1.108      slave1
10.1.1.109      slave2

　　配置之后ping一下用户名看是否生效

ping slave1
ping slave2

SSH 免密码登录
　　安装Openssh server

sudo apt-get install openssh-server

　　在所有机器上都生成私钥和公钥

ssh-keygen -t rsa   #一路回车

　　需要让机器间都能相互访问，就把每个机子上的id_rsa.pub发给master节点，传输公钥可以用scp来传输。

scp ~/.ssh/id_rsa.pub tx@master:~/.ssh/id_rsa.pub.slave1

　　在master上，将所有公钥加到用于认证的公钥文件authorized_keys中

cat ~/.ssh/id_rsa.pub* >> ~/.ssh/authorized_keys

　　将公钥文件authorized_keys分发给每台slave

scp ~/.ssh/authorized_keys tx@slave1:~/.ssh/

　　在每台机子上验证SSH无密码通信

ssh master
ssh slave1
ssh slave2

　　如果登陆测试不成功，则可能需要修改文件authorized_keys的权限（权限的设置非常重要，因为不安全的设置安全设置,会让你不能使用RSA功能）

chmod 600 ~/.ssh/authorized_keys

　　如果遇到ssh登录The authenticity of host 192.168.xxx.xxx can’t be established.的问题，执行scp报错

The authenticity of host '192.168.23.130 (192.168.23.130)' can't be established.
ECDSA key fingerprint is SHA256:EsqTfeCJ34DnGV66REuRRPhoFwaLuee5wxFgEAZ8b9k.
Are you sure you want to continue connecting (yes/no)? 
Host key verification failed.
lost connection

　　这时，修改/etc/ssh/ssh_config文件的配置，以后则不会再出现此问题，在最后面添加：

StrictHostKeyChecking   no
UserKnownHostsFile  /dev/null

安装 Java
　　从官网下载最新版 Java 就可以，Spark官方说明 Java 只要是6以上的版本都可以，我下的是 jdk-8u144-linux-x64.tar.gz，在~/workspace目录下直接解压。

tar -zxvf jdk-8u144-linux-x64.tar.gz

　　修改环境变量sudo vi /etc/profile，添加下列内容，注意将home路径替换成你的：

export WORK_SPACE=/home/tx/workspace/
export JAVA_HOME=$WORK_SPACE/jdk1.8.0_144
export JRE_HOME=/home/tx/workspace/jdk1.8.0_144/jre
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

　　然后使环境变量生效，并验证 Java 是否安装成功

$ source /etc/profile   #生效环境变量
$ java -version         #如果打印出如下版本信息，则说明安装成功
java version "1.8.0_144"
Java(TM) SE Runtime Environment (build 1.8.0_144-b01)
Java HotSpot(TM) 64-Bit Server VM (build 25.144-b01, mixed mode)

安装 Scala
　　官方下载Scala2.12.3，同样在~/workspace中解压.

tar -zxvf scala-2.12.3.tgz

　　再次修改环境变量sudo vi /etc/profile，添加以下内容：

export SCALA_HOME=$WORK_SPACE/scala-2.12.3
export PATH=$PATH:$SCALA_HOME/bin

　　同样的方法使环境变量生效，并验证 scala 是否安装成功

$ source /etc/profile   #生效环境变量
$ scala -version        #如果打印出如下版本信息，则说明安装成功
Scala code runner version 2.12.3 -- Copyright 2002-2017, LAMP/EPFL and Lightbend, Inc.

2.安装配置 Hadoop YARN
下载解压
　　从官网下载 hadoop2.8.1 版本，同样在~/workspace中解压。

tar -zxvf hadoop-2.8.1.tar.gz

配置 Hadoop
　　cd ~/workspace/hadoop-2.8.1/etc/hadoop进入hadoop配置目录，需要配置有以下7个文件：hadoop-env.sh，yarn-env.sh，slaves，core-site.xml，hdfs-site.xml，maprd-site.xml，yarn-site.xml

在hadoop-env.sh中配置JAVA_HOME

# The java implementation to use.
export JAVA_HOME=/home/tx/workspace/jdk1.8.0_144

在yarn-env.sh中配置JAVA_HOME

# The java implementation to use.
export JAVA_HOME=/home/tx/workspace/jdk1.8.0_144

在slaves中配置slave节点的ip或者host

slave1
slave2

修改core-site.xml

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://master:9000/</value>
    </property>
    <property>
         <name>hadoop.tmp.dir</name>
         <value>file:/home/tx/workspace/hadoop-2.8.1/tmp</value>
    </property>
</configuration>

修改hdfs-site.xml

<configuration>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>master:9001</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/home/tx/workspace/hadoop-2.8.1/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/home/tx/workspace/hadoop-2.8.1/dfs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
</configuration>

修改mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

修改yarn-site.xml

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
    <property>
        <name>yarn.resourcemanager.address</name>
        <value>master:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address</name>
        <value>master:8030</value>
    </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value>master:8035</value>
    </property>
    <property>
        <name>yarn.resourcemanager.admin.address</name>
        <value>master:8033</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address</name>
        <value>master:8088</value>
    </property>
</configuration>

　　将配置好的hadoop-2.8.1文件夹分发给所有slaves

scp -r ~/workspace/hadoop-2.8.1 tx@slave1:~/workspace/hadoop-2.8.1

启动 Hadoop
　　在 master 上执行以下操作，就可以启动 hadoop 了。

cd ~/workspace/hadoop-2.8.1     #进入hadoop目录
bin/hadoop namenode -format     #格式化namenode
sbin/start-dfs.sh               #启动dfs 
sbin/start-yarn.sh              #启动yarn

验证 Hadoop 是否安装成功
　　可以通过jps命令查看各个节点启动的进程是否正常。在 master 上应该有以下几个进程：

$ jps  #run on master
3407 SecondaryNameNode
3218 NameNode
3552 ResourceManager
3910 Jps

　　在每个slave上应该有以下几个进程：

$ jps   #run on slaves
2072 NodeManager
2213 Jps
1962 DataNode

　　或者在浏览器中输入 http://master:8088 ，应该有 hadoop 的管理界面出来了，并能看到 slave1 和 slave2 节点。
　　此时，如果你发现slave中datanode没有启动，则将slave的tmp、data、node文件全部删除，重启hadoop即可解决问题。
3. Spark安装
下载解压
　　进入官方下载地址下载最新版 Spark。我下载的是 spark-2.2.0-bin-hadoop2.7.tgz，你会发现下得贼慢，这时候就用迅雷下载后关机功能吧。。
在~/workspace目录下解压

tar -zxvf spark-2.2.0-bin-hadoop2.7.tgz
mv spark-2.2.0-bin-hadoop2.7 spark-2.2.0    #原来的文件名太长了，修改下

配置 Spark

cd ~/workspace/spark-2.2.0/conf    #进入spark配置目录
cp spark-env.sh.template spark-env.sh   #从配置模板复制
vi spark-env.sh     #添加配置内容

　　在spark-env.sh末尾添加以下内容（这是我的配置，你可以自行修改）：

export SCALA_HOME=/home/tx/workspace/scala-2.12.3
export JAVA_HOME=/home/tx/workspace/jdk1.8.0_144
export HADOOP_HOME=/home/tx/workspace/hadoop-2.8.1
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
SPARK_MASTER_IP=master
SPARK_LOCAL_DIRS=/home/tx/workspace/spark-2.2.0
SPARK_DRIVER_MEMORY=1G

　　注：在设置Worker进程的CPU个数和内存大小，要注意机器的实际硬件条件，如果配置的超过当前Worker节点的硬件条件，Worker进程会启动失败。
　　vi slaves在slaves文件下填上slave主机名：

slave1
slave2

　　将配置好的spark-2.2.0文件夹分发给所有slaves

scp -r ~/workspace/spark-2.2.0 tx@slave1:~/workspace/

启动Spark

sbin/start-all.sh

验证 Spark 是否安装成功
　　用jps检查，在 master 上应该有以下几个进程：

$ jps
7949 Jps
7328 SecondaryNameNode
7805 Master
7137 NameNode
7475 ResourceManager

　　在 slave 上应该有以下几个进程：

$jps
3132 DataNode
3759 Worker
3858 Jps
3231 NodeManager

　　进入Spark的Web管理页面： http://master:8080
4. 运行示例

#本地模式两线程运行
./bin/run-example SparkPi 10 --master local[2]
#Spark Standalone 集群模式运行
./bin/spark-submit \
  --class org.apache.spark.examples.SparkPi \
  --master spark://master:7077 \
  lib/spark-examples-1.3.0-hadoop2.4.0.jar \
  100
#Spark on YARN 集群上 yarn-cluster 模式运行
./bin/spark-submit \
    --class org.apache.spark.examples.SparkPi \
    --master yarn-cluster \  # can also be `yarn-client`
    lib/spark-examples*.jar \
    10

　　注意 Spark on YARN 支持两种运行模式，分别为yarn-cluster和yarn-client，具体的区别可以看这篇博文，从广义上讲，yarn-cluster适用于生产环境；而yarn-client适用于交互和调试，也就是希望快速地看到application的输出。
　　运行后一直报：INFO Client: Application report for application_1459834335246_0045 (state: ACCEPTED)
　　小菜母鸡什么情况哎