Spark>Spark环境搭建

Spark环境搭建

我们选择目前企业中使用最多的稳定版Spark2.2.0

1、local本地模式-Spark初体验

• 安装
  下载Spark安装包
  下载地址：http://spark.apache.org/downloads.html

第一步：将此安装包上传到集群（rz上传并解压）

• 解压重命名

//解压到的路径
cd /export/servers
tar spark-2.2.0-bin-2.6.0-cdh5.14.0.tgz
//mv spark-2.2.0-bin-2.6.0-cdh5.14.0 spark  
//尽量使用拷贝cp
cp spark-2.2.0-bin-2.6.0-cdh5.14.0 spark

• 注意：
  如果有权限问题，可以修改为root，方便学习时操作，实际中使用运维分配的用户和权限即可

chown -R root /export/servers/spark 
chgrp -R root /export/servers/spark 

• 解压目录说明:

bin        可执行脚本
conf       配置文件
data       示例程序使用数据
examples   示例程序
jars       依赖 jar 包
python     pythonAPI
R          R 语言 API
sbin       集群管理命令
yarn       整合yarn需要的文件

第二步：启动spark-shell

• 开箱即用
  直接启动bin目录下的spark-shell:
  ./spark-shell
  

spark-shell说明

• 1.直接使用./spark-shell
  表示使用local 模式启动，在本机启动一个SparkSubmit进程
• 2.还可指定参数 --master，如：
  spark-shell –master local[N] 表示在本地模拟N个线程来运行当前任务
  spark-shell --master local[*] 表示使用当前机器上所有可用的资源
• 3.不携带参数默认就是
  spark-shell --master local[*]
• 4.后续还可以使用–master指定集群地址，表示把任务提交到集群上运行，如./spark-shell --master spark://node01:7077
• 5.退出spark-shell
  使用:quit

注意：启动./spark-shell命令报错时解决方法
https://www.cnblogs.com/hackerer/p/12549005.html

第三步：初体验-读取本地文件
集群中准备数据
vim /root/words.txt

hello me you her 
hello you her
hello her 
hello 

spark-shell进入到命令行后程序后，输入下面的代码

//读取本地文件 数据计算
val textFile = sc.textFile("file:///root/words.txt")
//flatMap
val counts = textFile.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
counts.collect//收集结果
// Array[(String, Int)] = Array((you,2), (hello,4), (me,1), (her,3))

第四步：初体验-读取HDFS文件
准备数据

• 上传文件到hdfs
  hadoop fs -put /root/words.txt /wordcount/input/words.txt
• 目录如果不存在可以创建
  hadoop fs -mkdir -p /wordcount/input
• 结束后可以删除测试文件夹
  hadoop fs -rm -r /wordcount

在Spark的shell窗口中输入

//读取hdfs集群数据计算
val textFile = sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
val counts = textFile.flatMap(_.split(" ")).map((_,