Spark环境搭建安装及配置详细步骤（保姆教程）

Spark 作为一个数据处理框架和计算引擎

1 Spark-Local 模式 
1.1 解压缩文件 
将 spark-2.1.1-bin-hadoop3.2.tgz 文件上传到 Linux 并解压缩，放置在指定位置，路径中。 

tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz -C /opt/apps/

cd /opt/apps/

mv spark-2.1.1-bin-hadoop2.7 spark-local 

1.2 启动 Local 环境 
1) 进入解压缩后的路径，执行如下指令 

bin/spark-shell

 2) 启动成功后，可以输入网址进行 Web UI 监控页面访问

 1.4 退出本地模式 
按键 Ctrl+C 或输入 Scala 指令 :quit 
1.5 提交应用 

bin/spark-submit --class org.apache.spark.examples.SparkPi --master local[2] ./examples/jars/spark-examples_2.12-3.0.0.jar 10

1) --class 表示要执行程序，此处可以更换
2) --master local[2] 部署模式，默认为本地模式，数字表示分配的虚拟 CPU 核数量 
3) spark-examples_2.12-3.0.0.jar 运行的应用类所在的 jar 包，实际使用时，可以更改jar
4) 数字 10 表示程序的入口参数，用于设定当前应用的任务数量 

 2 Spark-Standalone 模式 
1.1 解压缩文件 
将 spark-2.1.1-bin-hadoop3.2.tgz 文件上传到 Linux 并解压缩，放置在指定位置，路径中。 

tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz -C /opt/apps/

cd /opt/apps/

 mv spark-2.1.1-bin-hadoop2.7 spark-standalone 

2.2 修改配置文件 
1) 进入解压缩后路径的 conf 目录，修改 slaves.template 文件名为 slaves 

mv slaves.template slaves 

2) 修改 slaves 文件，添加 work 节点 

master
slave1
slave2

3) 修改 spark-env.sh.template 文件名为 spark-env.sh 

mv spark-env.sh.template spark-env.sh 

4) 修改 spark-env.sh 文件，添加 JAVA_HOME 环境变量和集群对应的 master 节点 

export JAVA_HOME=/opt/apps/jdk
SPARK_MASTER_HOST=master
SPARK_MASTER_PORT=7077

5) 分发 spark-standalone 目录

6)启动集群

sbin/start-all.sh

 9) 查看 Master 资源监控 Web UI 界面: http://master:8080

 10)跑任务测试

bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 ./examples/jars/spark-examples_2.11-2.1.1.jar 10

 

1) --class 表示要执行程序的主类 
2) --master spark://master:7077 独立部署模式，连接到 Spark 集群 
3) spark-examples_2.11-2.1.1.jar 运行类所在的 jar 包 
4) 数字 10 ，用于设定当前应用的任务数量 

3 Yarn 模式 

3.1 解压缩文件 
将 spark-2.1.1-bin-hadoop3.2.tgz 文件上传到 Linux 并解压缩，放置在指定位置，路径中。 

tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz -C /opt/apps/

cd /opt/apps/

mv spark-2.1.1-bin-hadoop2.7 spark-yarn

3.2 修改配置文件 
1) 修改 hadoop 配置文件/opt/module/hadoop/etc/hadoop/yarn-site.xml, 并分发

hadoop搭建

<!--是否启动一个线程检查每个任务正使用的物理内存量，如果任务超出分配值，则直接将其杀掉，默认
是 true --> 
<property> 
 <name>yarn.nodemanager.pmem-check-enabled</name> 
 <value>false</value> 
</property> 
 
<!--是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则直接将其杀掉，默认
是 true --> 
<property> 
 <name>yarn.nodemanager.vmem-check-enabled</name> 
 <value>false</value> 
</property> 

 2) 修改 conf/spark-env.sh，添加 JAVA_HOME 和 YARN_CONF_DIR 配置

export JAVA_HOME=/opt/apps/jdk
YARN_CONF_DIR=/opt/apps/hadoop-2.7.7/etc/hadoop

3） 启动 Hadoop

4）跑任务测试是不是成功

 4.1）打印控制台

bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode client ./examples/jars/spark-examples_2.11-2.1.1.jar 10

4.2）在yarn上看结果

bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode cluster ./examples/jars/spark-examples_2.11-2.1.1.jar 10