（集群）搭建Hadoop+Hbase+hive+Spark（详解版）

（集群）搭建Hadoop+Hbase+hive+Spark（详解版）

本教程是已经搭建好Hadoop集群

Hadoop+Hbase集群：
https://blog.csdn.net/qq_46138492/article/details/128590916

Hadoop+Hbase+Hive集群：
https://blog.csdn.net/qq_46138492/article/details/128590966

0.官网下载

[Downloads | Apache Spark](https://spark.apache.org/downloads.html)

[历史版本 spark (apache.org)](https://archive.apache.org/dist/spark/)

1.上传文件包

• 工具上传
• 命令上传：scp -r spark-2.4.5-bin-hadoop2.7.tgz user@192.168.10.130:/home/user

2.解压，建目录，移动，改名，赋权

解压：tar -zxvf spark-2.4.5-bin-hadoop2.7.tgz

建目录： sudo mkdir /usr/local/spar

移动： sudo mv spark-2.4.5-bin-hadoop2.7 /usr/local/spark/

改名：

cd /usr/local/spark

sudo mv spark-2.4.5-bin-hadoop2.7 spark-2.4.5\

赋权：sudo chown -R user:user spark-2.4.5/

3.配置

3.1 环境变量

sudo vim /etc/profile

export SPARK_HOME=/usr/local/spark/spark-2.4.5
export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin

source  /etc/profile

3.2 修改配置文件

 cd /usr/local/spark/spark-2.4.5/conf

# 拷贝模板文件
cp spark-defaults.conf.template spark-defaults.conf 
cp spark-env.sh.template spark-env.sh 
cp slaves.template slaves

修改 spark-defaults.conf

vim spark-defaults.conf

spark.master                     spark://Master:7077
spark.serializer                 org.apache.spark.serializer.KryoSerializer
spark.driver.memory              1g
spark.executor.memory            1g

修改spark-env.sh

vim spark-env.sh

export JAVA_HOME=/usr/local/jdk/jdk1.8.0_351
export HADOOP_HOME=/usr/local/hadoop/hadoop-3.1.3
export HADOOP_CONF_DIR=/usr/local/hadoop/hadoop-3.1.3/etc/hadoop
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/hadoop-3.1.3/bin/hadoop classpath)
export SPARK_MASTER_HOST=Master
export SPARK_MASTER_PORT=7077

修改slaves文件

vim slaves

Master
slave1
slave2

4.分发到其他节点

cd /usr/local
tar -zcf ~/spark.master.tar.gz  ./spark

复制：
scp -r spark.master.tar.gz user@slave1:/home/user
scp -r spark.master.tar.gz user@slave2:/home/user

slave1  slave2节点上：
sudo rm -r  /usr/local/spark               #如果有删除旧的
sudo tar -zxvf  ~/spark.master.tar.gz  -C /usr/local
sudo chown -R user:user /usr/local/spark      添加权限 

5.启动Spark集群

配置了环境变量，可以在任意目录执行启动命令

/usr/local/spark/spark-2.4.5/sbin/start-all.sh

5.1在web界面查看Spark UI

在Linux系统上浏览器上查看Spark UI：
http://192.168.10.130:8080/

8、测试

运行SparkPI进行案例测试：

spark-submit --class org.apache.spark.examples.SparkPi \
$SPARK_HOME/examples/jars/spark-examples_2.11-2.4.5.jar 10

Yarn模式

上面默认是用standalone模式启动的服务，如果想要把资源调度交给yarn来做，则需要配置为yarn模式：
需要启动的服务：hdfs服务、yarn服务
需要关闭 Standalone 对应的服务(即集群中的Master、Worker进程)。
在Yarn模式中，Spark应用程序有两种运行模式：
yarn-client：Driver程序运行在客户端，适用于交互、调试，希望立即看到app的输出
yarn-cluster：Driver程序运行在由RM启动的 AppMaster中，适用于生产环境
二者的主要区别：Driver在哪里！

1、开启 hdfs、yarn服务

start-dfs.sh
start-yarn.sh

2、修改Hadoop中的 yarn-site.xml 配置

在/usr/local/hadoop/hadoop-3.1.3/etc/hadoop/yarn-site.xml中增加如下配置，然后分发到集群其他节点，重启yarn 服务。

vim /usr/local/hadoop/hadoop-3.1.3/etc/hadoop/yarn-site.xml

<property>
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
</property>
<property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
</property>

说明：
yarn.nodemanager.pmem-check-enabled ： 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。
yarn.nodemanager.vmem-check-enabled ：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。

3、修改Spark配置，分发到集群

spark-env.sh 中这一项必须要有

cd /usr/local/spark/spark-2.4.5/conf

添加如下内容
export HADOOP_CONF_DIR=/usr/local/hadoop/hadoop-3.1.3/etc/hadoop

spark-defaults.conf(以下是优化)

vim spark-defaults.conf
添加如下内容

spark.yarn.jars                    hdfs://Master:8020/spark-jars/*.jar

4、向hdfs上传spark纯净版jar包

下载spark-2.4.5-bin-without-hadoop.tgz
下载地址：https://archive.apache.org/dist/spark/spark-2.4.5/spark-2.4.5-bin-without-hadoop.tgz

上传并解压tar -zxvf spark-2.4.5-bin-without-hadoop.gz

tar -zxvf spark-2.4.5-bin-without-hadoop.gz

上传spark纯净版jar包到hdfs

hdfs dfs -mkdir /spark-jars
hdfs dfs -put spark-2.4.5-bin-without-hadoop/jars/* /spark-jars

说明：
1）Spark任务资源分配由Yarn来调度，该任务有可能被分配到集群的任何一个节点。所以需要将spark的依赖上传到hdfs集群路径，这样集群中任何一个节点都能获取到，依此达到Spark集群的HA。
2） Spark纯净版jar包，不包含hadoop和hive相关依赖，避免和后续安装的Hive出现兼容性问题。

5、测试

记得，先把Master与worker进程停掉，否则会走standalone模式。停掉standalone模式的服务

最好在配置完hadoop和spark之后全部停掉，再重启

stop-all.sh

client运行模式

#client

spark-submit --master yarn \
--deploy-mode client \
--class org.apache.spark.examples.SparkPi \
$SPARK_HOME/examples/jars/spark-examples_2.11-2.4.5.jar 20

这种模式可以看见：程序计算的结果（即可以看见计算返回的结果）！

cluster运行模式

#cluster

spark-submit --master yarn \
--deploy-mode cluster \
--class org.apache.spark.examples.SparkPi \
$SPARK_HOME/examples/jars/spark-examples_2.11-2.4.5.jar 20

这种模式就看不见最终的结果！

启动Hadoop

/usr/local/hadoop/hadoop-3.1.3/sbin/start-all.sh

启动spark

/usr/local/spark/spark-2.4.5/sbin/start-all.sh

Spark UI：http://192.168.10.130:8080/

NameNode 和 Datanode UI： http://192.168.10.130:9870

YARM UI： http://192.168.10.130:8088/cluster

关闭spark

/usr/local/spark/spark-2.4.5/sbin/stop-all.sh

关闭Hadoop

/usr/local/hadoop/hadoop-3.1.3/sbin/stop-all.sh

完成Spark集群搭建啦！！！