前言
spark环境的搭建依赖于hadoop,所以搭建spark集群之前先搭建hadoop集群。
一、hadoop环境搭建
1、环境介绍
3台机器集群:
192.168.179.133 master
192.168.179.134 node1
192.168.179.135 node2
2、修改各个虚拟机的hostname和host
(1)以master上机器为例,打开终端,执行如下的操作,把hostname修改成master
#修改hostname的指令:
sudo gedit /etc/hostname
(2)
#修改hosts指令:
sudo gedit /etc/hosts
将以下内容添加到hosts中
192.168.179.133 master
192.168.179.134 node1
192.168.179.135 node2
注意:在node1和node2机器上做相似的操作,分别更改主机名为node1和node2,然后把hosts文件更改和master一样
3、创建用户和用户组(三台机器上都要操作)
创建hadoop用户组
sudo addgroup hadoop
创建hadoop用户
sudo adduser -ingroup hadoop hadoop
给hadoop用户添加权限,打开/etc/sudoers文件
sudo gedit /etc/sudoers
给hadoop用户赋予root用户同样的权限
在root ALL=(ALL:ALL) ALL下添加hadoop ALL=(ALL:ALL) ALL
3、检验各个主机之间能否连通
以刚刚创建的hadoop用户重新登录系统,以后的操作都以hadoop用户登录
ping +主机名
4、配置无密码登录SSH
安装ssh
sudo apt-get install openssh-server
验证SSH是否成功安装
ssh localhost
生成密钥Pair
ssh-keygen -t rsa
输入之后一直选择enter即可。生成的秘钥位于 ~/.ssh文件夹下。可用cd 命令进入查看
在master上,导入authorized_keys
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
远程无密码登录(把master上的authorized_keys拷贝到其他主机的相应目录下(进入master的.ssh目录,执行复制操作
)
scp authorized_keys hadoop@node1:~/.ssh/
scp authorized_keys hadoop@node2:~/.ssh/
修改各台主机上authorized_keys文件的权限(所有机器)
chmod 600 .ssh/authorized_keys
检查免密码登录是否成功(即没有提示输入密码)
ssh node1
ssh node2
以上命令代表登录到其他节点,测试完毕应该返回主机
ssh master
5、master配置hadoop,然后将master的hadoop文件传送给node节点
下载hadoop
包,将hadoop2.7.6
等重命名hadoop
解压到/usr
目录下
在/usr/hadoop
目录下新建如下目录
mkdir /dfs
mkdir /dfs/name
mkdir /dfs/data
mkdir /tmp
配置文件:hadoop-env.sh
(文件都在/usr/hadoop/etc/hadoop
中)
修改JAVA_HOME值(export JAVA_HOME=xxxx)
配置文件:yarn-env.sh
修改JAVA_HOME值(export JAVA_HOME=xxxx)
配置文件:slaves
将内容修改为:
node1
node2
配置文件:core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
</configuration>
配置文件: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:/usr/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/hadoop/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>
配置文件:mapred-site.xml
先创建然后编辑
cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
gedit etc/hadoop/mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>master:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>master:19888</value>
</property>
</configuration>
配置文件: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:8031</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hadoop传输到node1和node2 usr/hadoop目录
scp -r /usr/hadoop hadoop@node1:/usr
6、配置环境变量,并启动hadoop,检查
打开文件
sudo gedit /etc/profile
编辑
#hadoop
export HADOOP_HOME=/usr/hadoop
export PATH=$PATH:$HADOOP_HOME/sbin
export PATH=$PATH:$HADOOP_HOME/bin
记得使文件生效
source /etc/profile
启动hadoop,进入hadoop安装目录(在master节点进行)
bin/hdfs namenode -format (第一次需要,以后不需要)
sbin/start-all.sh (启动所有)
启动后分别在master, node下输入jps查看进程:
看到下面的结果,则表示成功
二、spark环境搭建
1、Scala环境搭建
下载Scala二进制文件,解压到目录;
添加Scala环境变量,在/etc/profile中添加
export SCALA_HOME=/usr/share/scala
export PATH=$SCALA_HOME/bin:$PATH
source /etc/profile
2、Spark完全分布式环境搭建
以下操作都在Master节点进行。
下载二进制包spark-2.3.3-bin-hadoop2.7.tgz,解压重命名为spark并移动到相应目录/usr
修改/etc/profie
export SPARK_HOME=/usr/spark/
export PATH=$PATH:$SPARK_HOME/bin
然后source /etc/profie
复制spark-env.sh.template成spark-env.sh
修改$SPARK_HOME/conf/spark-env.sh,添加如下内容:
export JAVA_HOME=XXX
export SCALA_HOME=/usr/share/scala
export HADOOP_HOME=/usr/hadoop
export HADOOP_CONF_DIR=/usr/hadoop/etc/hadoop
export SPARK_MASTER_IP=192.168.179.133
export SPARK_MASTER_HOST=192.168.179.133
export SPARK_LOCAL_IP=192.168.179.133
export SPARK_WORKER_MEMORY=1g
export SPARK_WORKER_CORES=2
export SPARK_HOME=/usr/spark
复制slaves.template成slaves
cp slaves.template slaves
修改$SPARK_HOME/conf/slaves,添加如下内容:
master
node1
node2
将配置好的spark文件复制到node1和node2节点
scp /usr/spark hadoop@node1:/usr
scp /usr/spark hadoop@node2:/usr
在Slave1和Slave2上分别修改/etc/profile,增加Spark的配置,过程同Master一样。
在Slave1和Slave2修改$SPARK_HOME/conf/spark-env.sh,将export SPARK_LOCAL_IP=192.168.179.133改成Slave1和Slave2对应节点的IP。
启动集群的脚本
/usr/hadoop/sbin/start-all.sh
/usr/spark/sbin/start-all.sh
出现如下,代表成功
关闭脚本
/usr/hadoop/sbin/stop-all.sh
/usr/spark/sbin/stop-all.sh