目前手上只有一个机器,就先拿来练下手(事先服务器上没有安装软件)尝试一下Spark的单机部署。
几个参数:
JDK-1.7+
Hadoop-2.6.0(伪分布式);
Scala-2.10.5;
Spark-1.4.0;
下面是具体的配置过程
安装JDK 1.7+
【下载网址】http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html环境变量设置(最好不要采用openjdk):
export JAVA_HOME=/usr/java/java-1.7.0_71 export JRE_HOME=$JAVA_HOME/jre export PATH=$PATH:$JAVA_HOME/bin export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
更新重启环境变量
$ source /etc/profile
- 测试
$ java -version
下载安装scala-2.10.5
【下载网址】http://www.scala-lang.org/download/2.10.5.html
下载对对对应的压缩包$ tar -zxf scala-2.10.5.tgz $ sudo mv scala-2.10.5 /usr/local
配置环境变量:
export SCALA_HOME=/usr/local/scala-2.11.4
export PATH=$SCALA_HOME/bin:$PATH
更新启动环境变量
source /etc/profile
测试scala安装是否成功
$ scala -version
【亲测】安装Hadoop(需要修改Hadoop的情况下,手动编译)
【安装Hadoop的参考网址】http://qindongliang.iteye.com/blog/2222145- 安装依赖
sudo yum install -y autoconf automake libtool git gcc gcc-c++ make cmake openssl-devel,ncurses-devel bzip2-devel
安装Maven3.0+
【下载网址】http://archive.apache.org/dist/maven/maven-3/3.0.5/binaries/- 解压
tar -xvf apache-maven-3.0.5-bin.tar.gz
- 移动文件
mv -rf apache-maven-3.0.5 /usr/local/
配置环境变量
MAVEN_HOME=/usr/local/apache-maven-3.0.5 export MAVEN_HOME export PATH=${PATH}:${MAVEN_HOME}/bin
使生效
source /etc/profile
- 检查是否安装成功
mvn -v
- 解压
安装ant1.8+
【下载网址】http://archive.apache.org/dist/ant/binaries/环境变量
export ANT_HOME=/usr/local/apache-ant-1.8.4 export PATH=$ANT_HOME/bin:$PATH
测试
ant -version
安装 protobuf-2.5.0.tar.gz
- 解压
tar xvf protobuf-2.5.0.tar.gz
- 安装
cd protobuf-2.5.0
./configure --prefix=/usr/local/protobuf
make
nake install
环境变量
export PATH=$PATH:/usr/local/protobuf/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/protobuf/lib
测试
protoc --version
如果输出libprotoc 2.5.0
表示安装成功。
- 解压
- 安装snappy1.1.0.tar.gz(可选选项,如果需要编译完的Hadoop支持Snappy压缩,需要此步骤)
- 安装
./configure --prefix=/usr/local/snappy
#指定的一个安装目录
make
make install
- 安装
- 安装hadoop-snappy
- git下载地址
git clone https://github.com/electrum/hadoop-snappy.git
- 打包
下载完成后
cd hadoop-snappy
执行maven打包命令
mvn package -Dsnappy.prefix=/home/search/snappy
- 验证
这个目录就是编译后的snappy的本地库,在
hadoop-snappy/target/hadoop-snappy-0.0.1-SNAPSHOT-tar/hadoop-snappy-0.0.1-SNAPSHOT/lib
目录下,有个hadoop-snappy-0.0.1-SNAPSHOT.jar
,在hadoop编译后,需要拷贝到$HADOOP_HOME/lib
目录下。
【备注】整个过程中使用到的包都放在/root/下面。
- git下载地址
- 安装Hadoop
- 安装(下载hadoop-2.6.0-src.tar.gz是hadoop的源码)
【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/
【也可以直接获取】wget http://archive-primary.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.4.1-src.tar.gz
- 解压
tar -zxvf hadoop-2.6.0-cdh5.4.1-src.tar.gz
- 解压后进入根目录,执行下面这个编译命令,就能把snappy库绑定到hadoop的本地库里面,这样就可以在所有的机器上跑了
mvn clean package -DskipTests -Pdist,native -Dtar -Dsnappy.lib=(hadoop-snappy里面编译后的库地址) -Dbundle.snappy
中间会报一些异常,无须关心,如果报异常退出了,就继续执行上面这个命令,直到成功为止,一般速度会跟你的网速有关系,大概40分钟左右,最后会编译成功。
- 安装(下载hadoop-2.6.0-src.tar.gz是hadoop的源码)
- 安装依赖
【最终选择】安装Hadoop(无需修改Hadoop时直接下载编译好的Hadoop文件)
- 安装(下载已经编译好的hadoop-2.6.0.tar.gz)
【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/ - 解压安装在
/usr/local/
- 改名为hadoop,即最终路径:
/usr/local/hadoop
下同。
- 安装(下载已经编译好的hadoop-2.6.0.tar.gz)
单机部署Hadoop(伪分布式)
- Hadoop 的配置文件位于
/usr/local/hadoop/etc/hadoop/
中(很多的xml文件),伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml。 - 修改配置文件 core-site.xml (vim /usr/local/hadoop/etc/hadoop/core-site.xml)
将当中的
<configuration>
</configuration>
修改为下面配置:
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
- 修改配置文件 hdfs-site.xml(同理)
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
</configuration>
【注意】不说明的话都是目录的起始位置都是:hadoop/
- 配置完成后,执行 namenode 的格式化:
bin/hdfs namenode -format
成功的话,会看到successfully formatted
的提示,且输出信息的倒数第5行的提示如下,Exitting with status 0 表示成功,若为 Exitting with status 1 则是出错。若出错,可试着加上 sudo, 既sudo bin/hdfs namenode -format
再试试看。 - 开启NameNode、DataNode守护进程
sbin/start-dfs.sh
【注意】若你使用的是 Hadoop 2.4.1 64位,则此时可能会出现一连串的warn提示,如WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
这个提示,这些warn提示可以忽略,不会影响正常使用。 - 查看进程
输入jps
即可
成功启动则会列出如下进程: NameNode、DataNode和SecondaryNameNode - Hadoop-webUI
在浏览器中输入http://localhost:50070
(localhost或者是服务器ip)
【注意】如无法访问,先检查防火墙是否是关闭状态(应当是关闭状态)。 - 注意(配置过程中遇到)
在这一步以及后面启动 Hadoop 时若提示Error: JAVA_HOME is not set and could not be found.
的错误,则需要在文件hadoop/etc/hadoop/hadoop-env.sh
中设置 JAVA_HOME 变量,即找到export JAVA_HOME=${JAVA_HOME} 这一行,改为 export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64
(就是之前设置的JAVA_HOME位置),再重新尝试即可。 - 关闭NameNode、DataNode守护进程
sbin/stop-dfs.sh
单机部署Spark
- 下载
wget http://archive.apache.org/dist/spark/spark-1.4.0/spark-1.4.0-bin-hadoop2.6.tgz
- 解压并修改名字为spark
- 环境变量
export SPARK_HOME=/usr/local/spark
export PATH=$PATH:$SPARK_HOME/bin
- 配置Spark环境变量
cd $SPARK_HOME/conf
cp spark-env.sh.template spark-env.sh
vim spark-env.sh
添加如下代码:
export JAVA_HOME=/usr/java/latest
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
export SCALA_HOME=/usr/local/scala-2.10.5
export SPARK_HOME=/usr/local/spark
export SPARK_MASTER_IP=127.0.0.1
export SPARK_MASTER_PORT=7077
export SPARK_MASTER_WEBUI_PORT=8099
export SPARK_WORKER_CORES=3
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=10G
export SPARK_WORKER_WEBUI_PORT=8081
export SPARK_EXECUTOR_CORES=1
export SPARK_EXECUTOR_MEMORY=1G
#export SPARK_CLASSPATH=/opt/hadoop-lzo/current/hadoop-lzo.jar
#export SPARK_CLASSPATH=$SPARK_CLASSPATH:$CLASSPATH
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$HADOOP_HOME/lib/native
- 配置Slave
cp slaves.template slaves
vim slaves
添加以下代码(默认就是localhost):
localhost
- 因为是单机ssh免登陆不再赘述
- 启动Spark Master
目录:cd $SPARK_HOME/sbin/
./start-master.sh
- 启动Spark Slave
目录:cd $SPARK_HOME/sbin/
./start-slaves.sh
(注意是slaves) - 启动Spark-shell(application)
./spark-shell –master spark://127.0.0.1:7077 - Spark-webUI
http://localhost:8099
(localhost或者是服务器ip)
如下所示:
- 关闭master和slave
目录:cd $SPARK_HOME/sbin/
./stop-master.sh
./stop-slaves.sh
测试
- Spark-shell测试
./spark-shell
...
scala> val days = List("Sunday","Monday","Tuesday","Wednesday","Thursday","Friday","Saturday")
days: List[String] = List(Sunday, Monday, Tuesday, Wednesday, Thursday, Friday, Saturday)
scala> val daysRDD =sc.parallelize(days)
daysRDD: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[0] at parallelize at <console>:14
scala>daysRDD.count()
scala>res0:Long =7
脚本测试
本地模式
./bin/run-example org.apache.spark.examples.SparkPi 2 spark://localhost:7077
./bin/run-example SparkPi 10 --master local[2]
standalone模式
【注意】127.0.0.1 && *.jar的路径./spark-submit --class org.apache.spark.examples.SparkPi --master spark://127.0.0.1:7077 ../lib/spark-examples-1.4.0-hadoop2.6.0.jar 100
yarn测试(cluster模式和client模式)
【注意】*.jar的路径./spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster ../lib/spark-examples*.jar 10
http://localhost:8088/
(localhost可以是服务器地址)./spark-submit --class org.apache.spark.examples.SparkPi --master yarn-client ../lib/spark-examples*.jar 10
- 访问
localhost:8088
结果如下:
数据测试
- 写一个简单的shell准备数据,之后进行word count测试。
getNum(){ c=1 while [[ $c -le 5000000 ]] do echo $(($RANDOM/500)) ((c++)) done } for i in `seq 30` do getNum >> ${i}.txt & # getNum done wait echo "------------------DONE-----------------" cat [0-9]*.txt > num.txt
- 创建hdfs文件目录(执行文件位于hadoop/bin/hdfs;hdfs根目录是
hdfs://localhost:9000
)
执行命令:./bin/hdfs dfs -mkdir -p /user/hadoop/datatest
- 向创建的hdfs文件中写入数据(脚本生成的数据)
执行命令:./bin/hdfs dfs -put /root/num.txt /user/hadoop/datatest
- scala测试代码:
执行命令:spark/bin/Spark-shell
scala> val file = sc.textFile("hdfs://localhost:9000/user/hadoop/datatest/num.txt") scala> val count = file.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_+_) scala> count.sortBy(_._2).map(x => x._1 + "\t" + x._2).saveAsTextFile("hdfs://localhost:9000/user/hadoop/datatest/numCount")
执行hadoop相关操作命令:(hadoop/bin/)
./hadoop fs -cat hdfs://localhost:9000/user/hadoop/datatest/numCount/p*|sort -k2n
测试结果如下:
SparkR安装
- SparkR遵循Apache 2.0 License,除了要求用户在他们机器上安装R和Java之外,不需要依赖任何外部的东西!
【注意】在编译Spark的时候,如果需要使用到SparkR,可以在编译时候加上-PsparkRMaven配置属性。如果使用下载的编译好的Spark应该就没有这样的问题。 - 【下载网站】
http://cran.r-project.org/src/base/R-3 - 解压安装
./configure --prefix=/usr/local/R
make && make install
- 设置环境变量
export R_HOME=/usr/local/R
export PATH=$R_HOME:$PATH
- 安装R之后(已经安装了java)就可以了。进入
spark/bin
执行sparkR
即可进入sparkR状态。如下: