Spark on Yarn集群搭建

软件环境:

linux系统: CentOS6.7
Hadoop版本: 2.6.5
zookeeper版本: 3.4.8


主机配置:

一共m1, m2, m3这五部机, 每部主机的用户名都为centos
192.168.179.201: m1 
192.168.179.202: m2 
192.168.179.203: m3 

m1: Zookeeper, Namenode, DataNode, ResourceManager, NodeManager, Master, Worker
m2: Zookeeper, Namenode, DataNode, ResourceManager, NodeManager, Worker
m3: Zookeeper, DataNode, NodeManager, Worker


一.编译Spark源码

参考资料:
spark源码编译教程
    http://blog.csdn.net/yanran1991326/article/details/46506595


1.安装Maven: (Linux下,若使用Spark自带的编译器可跳过此步)
 Maven教程:
    http://wiki.jikexueyuan.com/project/maven/
  1. 下载Maven安装包
  2. 解压Maven到指定位置
  3. 编辑/etc/profile文件

    export M2_HOME=/home/centos/soft/maven
    PATH=$PATH:$M2_HOME/bin
  4. 刷新一下/etc/profile文件

    source /etc/profile
  5. 检验是否安装成功,输入以下指令

    mvn -v
  6. 设置maven内存大小
    (1)Linux下:
    配置环境变量,编辑/etc/profile文件

    export MAVEN_OPTS=-Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m

    (2)Windows下:
    配置环境变量:
    新建变量:MAVEN_OPTS, 并将变量MAVEN_OPTS的值设置成-Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m


2.编译spark源码:
spark源码下载官方地址:
    http://spark.apache.org/downloads.html
spark源码编译官方指南:
    http://spark.apache.org/docs/1.5.0/building-spark.html
spark源码编译教程:
    http://blog.csdn.net/yanran1991326/article/details/46506595
1. 下载spark源码
2. 使用spark源码编译: (推荐使用第一种方案, 因为第二种方案亲测编译成功后各种缺包)
  1. 方案一:使用maven编译: Linux下 (推荐使用这种方法)
    (1)编译指令:
    如果想生成一个用scala2.1.2编译的spark 部署包,则要先执行change-scala-version.sh文件: ./dev/change-scala-version.sh 2.10(若要指定scala的编译版本时, 必须先执行该指令)

    mvn -Phadoop-2.6 -Pyarn -Dhadoop.version=2.6.5 -Dyarn.version=2.6.5 -Dscala-2.10 -DskipTests clean package

    指令参数使用介绍:

    –Phadoop-$系列:                     打包时所用的Hadoop系列号,不加此参数时hadoop为pom.xml的默认系列。 
    -Dhadoop.version=$版本号:          打包时所用的Hadoop版本号,不加此参数时不可从HDFS上读取数据。 
    –Pyarn:                           是否支持Hadoop YARN,不加参数时为不支持yarn。 
    -Dyarn.version=$版本号:               是否支持Hadoop YARN,不加参数时为不支持yarn调度。 
    –Phive:                              是否在Spark SQL中支持hive,不加此参数时为不支持hive。(若要使用Hive on Spark功能时, 不能添加次参数)
    -Dscala-$版本号:                     打包时所用的Scala系列号,不加此参数时Scala版本为pom.xml的默认版本, 在使用此函数之前必须先执行./dev/change-scala-version.sh 2.10指令,否则无效 
    -DskipTests:                          是否在编译的过程中略过测试,加此参数时为略过。 

    (2)编译成功:
    编译成功后的Spark引用包的存放位置:

    $Spark源码目录/assembly/target/scala-2.10/spark-assembly-1.6.3-hadoop2.6.5.jar

    该包的只是一个引用包, 应把tgz解压安装的$SPARK_HOME/lib目录下的assembly删除, 然后将该包放入到$SPARK_HOME/lib目录下

  2. 方案二:使用spark源码包中自带的make-distribution编译工具
    (1)编译指令:
    先编译Spark源码(若需要用到parquet功能,则带上parquet-provided参数)
    Spark2.0版本之前(hadoop版本可随实际情况修改)

    ./make-distribution.sh --name "hadoop2-without-hive" --tgz "-Pyarn,hadoop-provided,hadoop-2.4,parquet-provided"

    Spark2.0版本之后(hadoop版本可随实际情况修改)

    ./dev/make-distribution.sh --name "hadoop2-without-hive" --tgz "-Pyarn,hadoop-provided,hadoop-2.7,parquet-provided"

    (2)编译成功
    编译成功后的Spark安装包的存放位置:

    $Spark源码目录/spark-1.6.0-bin-hadoop2-without-hive-src.tgz

    该包是一个安装包, 用tar解压出安装即可, 不推荐使用





二.搭建Spark集群

0.安装准备
  1. 下载Scala

    http://www.scala-lang.org/download/
  2. 下载Spark

    http://spark.apache.org/downloads.html


1.集群规划(在m1上操作,然后在分发到其他主机)
Master  m1
Slaves  m3, m4, m5


2.解压Scala,Spark安装包
tar -zxvf scala-2.10.6/ -C /home/centos/soft/scala
tar -zxvf spark-1.6.0-bin-hadoop2.6/ -C /home/centos/soft/spark


3.配置环境变量
vi /etc/profile
## Spark
export SCALA_HOME=/home/centos/soft/scala
export SPARK_HOME=/home/centos/soft/spark
export CLASSPATH=$CLASSPATH:$SPARK_HOME/lib
export PATH=$PATH:$SCALA_HOME/bin:$SPARK_HOME/sbin:$SPARK_HOME/bin
source /etc/profile


4.拷贝hdfs-site.xml, yarn-site.xml, hive-site.xml文件拷贝到spark的配置目录下
cp /home/centos/soft/hadoop/etc/hadoop/hdfs-site.xml    /home/centos/soft/spark/conf
cp /home/centos/soft/hadoop/etc/hadoop/yarn-site.xml    /home/centos/soft/spark/conf
cp /home/centos/soft/hive/conf/hive-site.xml            /home/centos/soft/spark/conf


5.编辑$/SPARK_HOME/conf/spark-env.sh文件
Spark官方配置参考:
    https://spark.apache.org/docs/1.2.0/configuration.html
Hive On Spark配置参考:
    https://cwiki.apache.org/confluence/display/Hive/Configuration+Properties#ConfigurationProperties-Spark
vi  $SPARK_HOME/conf/spark-env.sh
export JAVA_HOME=/home/centos/soft/jdk1.7.0_67
export HADOOP_HOME=/home/centos/soft/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
export SCALA_HOME=/home/centos/soft/scala
export SPARK_HOME=/home/centos/soft/spark
export SPARK_LOCAL_DIRS=$SPARK_HOME/tmp                 ## spark相关的临时文件
export SPARK_DIST_CLASSPATH=$(/home/centos/soft/hadoop/bin/hadoop classpath)
export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib:$HADOOP_HOME/lib:$SCALA_HOME/lib:$SPARK_HOME/lib
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$SCALA_HOME/bin:$SPARK_HOME/bin:$SPARK_HOME/sbin

export SPARK_MASTER_IP=m1
export SPARK_MASTER_PORT=7077
export SPARK_MASTER_WEBUI_PORT=8080
export SPARK_WORKER_CORES=3                                     ## 允许Spark应用程序在每台机器上使用的内核总数
export SPARK_WORKER_MEMORY=512m                                 ## 允许Spark应用程序在每台机器上使用的总内存量,例如1000m,2g(默认值:总内存为1 GB);请注意,每个应用程序的单独内存都使用其spark.executor.memory属性配置
export SPARK_WORKER_INSTANCES=1                              ## 在每台计算机上运行的工作程序实例数(默认值:1)。如果你有非常大的机器,并且想要多个Spark工作进程,你可以使它超过1。如果你这样设置,确保显式地设置SPARK_WORKER_CORES以限制每个工人的核心,否则每个工人将尝试使用所有核心。
export SPARK_DAEMON_MEMORY=512m                                 ## 要分配给Spark主服务器和工作程序守护程序本身的内存(默认值:512m)。
export SPARK_EXECUTOR_CORES=1                                   ## 每个Executor使用的CPU核数,每个Exector使用的总核心spark.max.cores在spark-default.conf中设置
export SPARK_EXECUTOR_MEMORY=512m                               ## 每个Executor使用多大的内存
export SPARK_DRIVER_MEMORY=512m
export SPARK_YARN_AM_CORES=1
export SPARK_YARN_AM_MEMORY=512m
export SPARK_YARN_AM_WAITTIME=200ms
export SPARK_YARN_APP_NAME=Spark_On_Yarn
export SPARK_YARN_EXECUTOR_MEMORYOVERHEAD=75
export SPARK_TESTING_MEMORY=536870912

export SPARK_WORKER_DIR=$SPARK_HOME/logs/workerDir
export SPARK_LOG_DIR=$SPARK_HOME/logs/logDir
export SPARK_PID_DIR=$SPARK_HOME/logs/pidDir

export HIVE_SERVER2_THRIFT_PORT=10000
export HIVE_SERVER2_THRIFT_BIND_HOST=0.0.0.0


6.编辑$SPARK_HOME/conf/spark-default.conf文件
vi   $SPARK_HOME/conf/spark-default.conf
spark.master                          spark://master:7077
spark.shuffle.service.port            7337   
spark.eventLog.enabled                true
spark.eventLog.compress               true
spark.eventlog.dir                    /home/centos/soft/spark/logs/spark.log
spark.serializer                      org.apache.spark.serializer.KryoSerializer
spark.driver.memory                   5g
spark.executor.extraJavaOptions      -XX:+PrintGCDetails -Dkey=value -Dnumbers="one two three"

spark.sql.parquet.binaryAsString              true
spark.sql.parquet.mergeSchema                 true
spark.sql.parquet.cacheMetadata               false
spark.sql.hive.convertMetastoreParquet        false

spark.dynamicAllocation.enabled                                 true    # 开启动态资源分配
spark.dynamicAllocation.minExecutors                            1       # 每个Application最小分配的executor数
spark.dynamicAllocation.maxExecutors                            30      # 每个Application最大并发分配的executor数
spark.dynamicAllocation.schedulerBacklogTimeout                 1s
spark.dynamicAllocation.sustainedSchedulerBacklogTimeout        5s

spark.scheduler.mode                    FAIR      # 调度模式
spark.executor.instances                1         # standalone模式下限制每个Executor最大核心数
spark.cores.max                         3         # Yarn模式下限制每个Executor最大核心数


7.实现Spark动态分配资源功能
  1. $SPARK_HOME/conf/spark-default.conf配置文件中将spark.dynamicAllocation.enabled配置项改为true
  2. $SPARK_HOME/lib/spark-1.6.0-yarn-shuffle.jar拷贝到每台NodeManager节点的${HADOOP_HOME}/share/hadoop/yarn/lib/


8.编辑$SPARK_HOME/conf/slaves文件
m3
m4
m5


9.将安装文件分发到其他主机上
scp -r   /home/centos/soft/scala   m3:/home/centos/soft/
scp -r   /home/centos/soft/scala   m4:/home/centos/soft/
scp -r   /home/centos/soft/scala   m5:/home/centos/soft/


10.启动spark集群(注意: 启动spark集群之前,需先启动YARN)
  1. 在m1, m2上分别启动YARN集群

    start-yarn.sh
  2. 在WebUI上查看启动情况

    m1:8088
  3. 在m1主机上启动主从节点:

    start-master.sh      ## 启动主节点: 
    start-slaves.sh      ## 启动从节点: 
  4. 在WebUI上查看启动情况

    m1:8080


11.测试实例
./bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode cluster --driver-memory 1g --executor-memory 1g --executor-cores 1 --queue thequeue lib/spark-assembly-1.6.0-hadoop2.6.0.jar 10







评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值