Spark1.0.0 分布式环境搭建

 

软件版本如下：

Hostname	IP	Hadoop版本	Hadoop	功能	系统
master	192.168.119.128	1.1.2	namenode	jdk1.6+hadoop+scala2.9.3+spark1.0.0	centos5.9
slave1	192.168.119.129	1.1.2	datanode	jdk1.6+hadoop+scala2.9.3+spark1.0.0	centos5.9
slave2	192.168.119.130	1.1.2	datanode	jdk1.6+hadoop+scala2.9.3+spark1.0.0	centos5.9

 

 

1 首先搭建hadoop环境，这里不详细说，网上很多。

2 然后安装scala环境，很简单和配置jdk类似

  2.1  下载scala 安装包 2.9.3

  http://www.scala-lang.org/download/2.9.3.html#Software_Requirements

  2.2 下载的 scala-2.9.3.tgz ftp 到master机

目录为  /home/bigdata/

  2.3  进入目录  /home/bigdata/

      tar -zxf scala-2.9.3.tgz

      mv  scala-2.9.3  scala 

    /home/bigdata/scala   (配置目录)

  2.4 配置环境变量（分别到3台机器配置）  

    vi  /etc/profile

   export SCALA_HOME=/home/bigdata/scala

   export PATH=$PATH:$SCALA_HOME/bin

   source /etc/profile

  2.5 检测是否配置成功

  scala -version

  Scala code runner version 2.9.3 -- Copyright 2002-2011, LAMP/EPFL

    表示安装成功

  2.6  远程复制到其它机：（结构目录和master一致）

   scp -r  /home/bigdata/scala  root@192.168.119.129:/home/bigdata/

   scp -r  /home/bigdata/scala  root@192.168.119.130:/home/bigdata/

3 配置spark

 

  3. 1 下载spark 1.0.0   http://spark.apache.org/downloads.html

  3.2  复制包到 spark-1.0.0-bin-hadoop1.tgz 中

      目录为：/home/bigdata/

  3.3  进入目录 /home/bigdata/

     tar -zxf spark-1.0.0-bin-hadoop1.tgz

     mv  spark-1.0.0-bin-hadoop1  spark-hadoop1

     得到  /home/bigdata/spark-hadoop1 (配置路径)

     

   

  3.4   配置用户环境变量 （分别配置3台机器）

   vi  ~/.bash_profile

   export SPARK_HOME=/home/bigdata/spark-hadoop1

   export PATH=$PATH:$SPARK_HOME/bin

   source ~/.bash_profile

   3.5 在conf 中设置scala 

   cd  /home/bigdata/spark-hadoop1/conf

   cp spark-env.sh.template spark-env.sh

   vi  spark-env.sh

   添加 

   export JAVA_HOME=/home/bigdata/jdk（Jdk安装路径）

   export SCALA_HOME=/home/bigdata/scala(scala 安装路径)

  修改该目录的slaves
  增加
    192.168.119.129 
    192.168.119.130

   3.6 复制到其它机器

  scp -r /home/bigdata/spark-hadoop1 root@slave1:/home/bigdata/

  scp -r /home/bigdata/spark-hadoop1 root@slave2:/home/bigdata/

4 启动hadoop集群 

5 启动spark 集群

  在master 机进入目录 /home/bigdata/spark-hadoop1/sbin

   sh start-all.sh  

 jps

5704 DataNode

6021 TaskTracker

5587 NameNode

5898 JobTracker

5810 SecondaryNameNode

6374 Worker

6457 Jps

6239 Master

6 启动web访问页面  http://master:8080/

 进入 /home/bigdatat//spark-hadoop1/bin/     spark-shell

测试实例：

scala>  val file = sc.textFile("hdfs://master:9000/home/bigdata/grade.txt")  
scala> val count = file.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_+_)
scala> count.collect()

Spark的bin子目录中的spark-submit脚本是用于提交程序到集群中运行的工具，我们使用此工具做一个关于pi的计算。

 进入目录  cd  /home/bigdata/spark-hadoop1/

./bin/spark-submit --master spark://master:7077 --class org.apache.spark.examples.SparkPi --name Spark-Pi --executor-memory 400M --driver-memory 512M  /home/bigdata/spark-hadoop1/lib/spark-examples-1.0.0-hadoop1.0.4.jar

 参考：点击打开链接