学习笔记Spark（二）—— Spark集群的安装配置

一、我的软件环境

---

二、Spark集群拓扑

2.1、集群规模

192.168.128.10     master	 1.5G ~2G内存、20G硬盘、NAT、1~2核 ；
192.168.128.11     node1	1G内存、20G硬盘、NAT、1核
192.168.128.12     node2	1G内存、20G硬盘、NAT、1核
192.168.128.13     node3	1G内存、20G硬盘、NAT、1核

---

2.2、Spark的安装模式

1、本地模式
在一个节点上安装Spark，利用本地线程运行程序，非分布式环境

2、伪分布式
Spark单机伪分布式是在一台机器上既有Master，又有Worker进程

3、完全分布式
全分布模式用于生产，至少需要3~4台机器，其中一台为为主节点，部署Master，其他节点部署Worker

4、HA高可用模式
在完全分布式基础上利用Zookeeper实现Master主从备份

---

三、Spark安装配置

3.1、Spark配置文件

Data: spark mllib里面用到的数据；
Ec2: 部署在亚马逊云平台上的脚本
Examples：示例代码；
Python：python接口；
R：R接口

---

3.1.1、配置文件解读

Template是一个模板
HADOOP_CONF_DIR ：Hadoop配置文件所在的路径，Spark需要找到Hadoop里面相关的东西，比如hdfs相关的地址，比如我们可能要上传数据或者日志需要存在这上面
SPARK_WORKER_INSTANCES ：设置每个节点的worker进程
SPARK_WORKER_MEMORY ：设置节点能给予executors的所有内存
SPARK_WORKER_CORES ：设置这台机器所用的核数
SPARK_EXECUTOR_CORES ：executor使用的核数
SPARK_EXECUTOR_MEMORY ：每个executor的内存
Spark_WORKER_CORES ：每个WORKER占用多少个核，我们给每个虚拟机配了多少核
SPARK_WORKER_INSTANCES ：每个worker节点有多少个实例
比如INSTANCES配了2，有三个节点，那么就有6个WORKER，相当于HADOOP有6个节点

---

3.1.2、配置文件解读

---

3.2、配置步骤

1.上传spark-2.4.0-bin-hadoop2.6.tgz到/opt目录，并解压

tar -zxf /opt/spark-2.4.0-bin-hadoop2.6.tgz

2.进入/opt/spark-2.4.0-bin-hadoop2.6/conf
复制slaves.template：

cp slaves.template slaves
vi slaves

修改slaves，先删除其中的localhost，然后添加：

node1
node2
node3

3.修改spark-defaults.conf

cp spark-defaults.conf.template spark-defaults.conf
vi spark-defaults.conf

添加：

spark.master                     spark://master:7077
spark.eventLog.enabled           true
spark.eventLog.dir               hdfs://master:8020/spark-logs
spark.history.fs.logDirectory     hdfs://master:8020/spark-logs

4.修改spark-env.sh

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

添加：

JAVA_HOME=/usr/java/jdk1.8.0_221-amd64
HADOOP_CONF_DIR=/opt/hadoop-3.1.4/etc/hadoop
SPARK_MASTER_IP=master
SPARK_MASTER_PORT=7077
SPARK_WORKER_MEMORY=512m
SPARK_WORKER_CORES=1
SPARK_EXECUTOR_MEMORY=512m
SPARK_EXECUTOR_CORES=1
SPARK_WORKER_INSTANCES=1

5.启动Hadoop集群，在HDFS中新建目录：

hdfs dfs -mkdir /spark-logs

6.将Spark安装包分发到其他节点

scp -r /opt/spark-2.4.0-bin-hadoop2.6/ node1:/opt/
scp -r /opt/spark-2.4.0-bin-hadoop2.6/ node2:/opt/
scp -r /opt/spark-2.4.0-bin-hadoop2.6/ node3:/opt/

7.在所有节点配置Spark环境变量
(master、node1、node2、node3)

vi /etc/profile

在文件尾加入：

export SPARK_HOME=/opt/spark-2.4.0-bin-hadoop2.6
export PATH=$PATH:$SPARK_HOME/bin

执行source /etc/profile使命令生效

8.启动spark
进入/opt/spark-2.4.0-bin-hadoop2.6/sbin
执行

./start-all.sh

9.查看客户端

http://master:8080

---

3.3、启动关闭Spark

进入/usr/local/spark-2.4.0-bin-hadoop2.6/
1、启动Spark

sbin/start-all.sh

2、启动日志服务

sbin/start-history-server.sh  hdfs://master:8020/spark-logs

3、关闭Spark

sbin/stop-all.sh
sbin/stop-history-server.sh hdfs://master:8020/spark-logs

---

3.5、查看客户端

Spark监控：http://master:8080

---

四、运行第一个Spark程序

进入Spark命令行交互界面：spark-shell
退出交互界面：:q

数据文件 a.txt:

I am a student

上传到hdfs的/user/root目录下

执行：

sc.textFile("/user/root/a.txt").flatMap(x=>x.split(“ “)).map(x=>(x,1)).reduceByKey(_+_)

结果展示：