Spark分布式集群搭建

Spark分布式集群搭建

这里的Spark分布式集群是以我上一篇文章发的Hadoop分布式集群为基础搭建的，都是在UbuntuKylin系统中搭建的。过几天发Centos上的分布式集群搭建。

一、集群规划

Spark集群以三台电脑搭建，Spark集群以Hadoop集群为基础搭建，虚拟机主机名分别为hadoop101、hadoop111和hadoop121。IP地址分别为192.168.43.101、192.168.43.111和192.168.43.121。
Spark分布式集群的安装环境，需要事先配置好Hadoop的分布式集群环境。这里采用3台虚拟机来搭建Spark集群，其中1台虚拟机，主机名为hadoop101，作为master节点和worker节点，另外两台虚拟机作为worker节点（即作为Worker节点），主机名分别为hadoop111和hadoop121。
Spark集群规划：
hadoop101:master worker;
hadoop111:worker;
hadoop121:worker;

二、安装Spark

2.1.解压Spark安装包

首先下载spark-2.1.0-bin-without-hadoop.tgz，保存到本地的“~/Downloads”目录下，然后在终端执行命令解压缩,并修改spark权限。

sudo tar -zxf ~/Downloads/spark-2.1.0-bin-without-hadoop.tgz -C /usr/local/
cd /usr/local
sudo mv ./spark-2.1.0-bin-without-hadoop ./spark
sudo chown -R hadoop:hadoop ./spark

2.2.配置环境变量

在master节点主机的终端中执行如下命令：
vim ~/.bashrc
在.bashrc添加如下配置：

export SPARK_HOME=/usr/local/spark
export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin

执行一下命令是配置立即生效：
source ~/.bashrc

三、配置Spark

在master节点主机上进行如下操作：

3.1.slave文件

配置slaves文件
将slaves.template 拷贝到slaves。

cd /usr/local/spark/
cp ./conf/slaves.template ./conf/slaves

slaves文件设置worker节点。编辑slaves内容,把默认内容localhost替换成如下内容：

hadoop101
hadoop111
hadoop121

3.2. spark-env.sh文件

配置spark-env.sh文件
将 spark-env.sh.template 拷贝到 spark-env.sh
cp ./conf/spark-env.sh.template ./conf/spark-env.sh
编辑spark-env.sh,添加如下内容：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/Hadoop classpath)
export SPARK_MASTER_HOST=hadoop101
export SPARK_MASTER_PORT=7077

3.3. spark-defaults.conf文件

修改spark-defaults.conf文件，添加如下内容：

spark.master                     spark://hadoop101:7077
spark.serializer               org.apache.spark.serializer.KryoSerializer
spark.driver.memory              1g
spark.executor.memory            1g

3.4.分发

将spark目录分发到其他节点

scp -r ./usr/local/spark hadoop111:/usr/local/
scp -r ./usr/local/spark hadoop121:/usr/local/

四、启动Spark

4.1.启动spark

启动Spark集群前，要先启动Hadoop集群。在master节点主机上运行如下命令：

cd /usr/local/hadoop/
sbin/start-all.sh

在master和worker节点通过命令jps可以看到进程启动。



在master节点主机上运行如下命令启动spark集群：

cd /usr/local/spark/
sbin/start-all.sh

在master和worker节点通过命令jps可以看到进程启动。

4.2.通过web端查看

启动hadoop分布式集群和spark分布式集群之后，我们可以通过web端来查看后台页面。
我们可以在浏览器上查看HDFS界面
HDFS：http://192.168.43.101:50070/

我们可以在浏览器上查看YARN界面
YARN：http://192.168.43.101:8088/

我们可以在浏览器上查看Spark界面
Spark：http://192.168.43.101:8080/

4.3.spark分布式集群验证

spark分布式集群启动成功之后，可以通过向服务器提交任务来检查是否spark是否存在问题。
在hadoop和spark启动的状态下，在终端运行一下命令：

./bin/spark-submit \
--master spark://hadoop101:7077 \
examples/src/main/python/ pi.py

向服务器提交运算pi值的任务。