spark集群部署（避坑版）

最新推荐文章于 2024-04-21 14:12:37 发布
最新推荐文章于 2024-04-21 14:12:37 发布
阅读量761 收藏 2
点赞数
分类专栏： Spark 文章标签： spark scala big data
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_52868288/article/details/124840226
版权

1.本地模式：

在这里插入图片描述

1.1 解压缩文件

将 spark-3.0.0-bin-hadoop3.2.tgz 文件上传到 Linux 并解压缩，放置在指定位置，路径中
不要包含中文或空格，课件后续如果涉及到解压缩操作，不再强调。

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 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
  1. 启动成功后，可以输入网址进行 Web UI 监控页面访问
    http://虚拟机地址:4040

1.3 命令行工具

在解压缩文件夹下的 data 目录中，添加 word.txt 文件。在命令行工具中执行如下代码指
令（和 IDEA 中代码简化版一致）

sc.textFile("data/word.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect

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

1.6测试

在这里插入图片描述
web页面
在这里插入图片描述

2.独立部署模式（standlone）：

在这里插入图片描述

2.1 解压缩(注意切换回itguigu用户！)

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 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
  1. 修改 slaves 文件，添加 work 节点
hadoop102
hadoop103
hadoop104
  1. 修改 spark-env.sh.template 文件名为 spark-env.sh
mv spark-env.sh.template spark-env.sh
  1. 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/module/jdk1.8.0_212
SPARK_MASTER_HOST=hadoop102
SPARK_MASTER_PORT=7077

注意：7077 端口，相当于 hadoop3 内部通信的 8020 端口，此处的端口需要确认自己的 Hadoop
配置
5) 分发 spark-standalone 目录

xsync spark-standalone

2.3 启动集群

  1. 执行脚本命令：
sbin/start-all.sh
  1. 查看三台服务器运行进程

hadoop102 3330 Jps 3238 Worker 3163 Master
hadoop103 2966 Jps 2908 Worker
hadoop104 2978 Worker 3036 Jps

  1. 查看 Master 资源监控 Web UI 界面: http://linux1:8080

2.4 提交应用

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

web页面
在这里插入图片描述

2.5配置历史服务器

由于 spark-shell 停止掉后，集群监控 linux1:4040 页面就看不到历史任务的运行情况，所以
开发时都配置历史服务器记录任务运行情况。

  1. 修改 spark-defaults.conf.template 文件名为 spark-defaults.conf
mv spark-defaults.conf.template spark-defaults.conf
  1. 修改 spark-default.conf 文件，配置日志存储路径
spark.eventLog.enabled true
spark.eventLog.dir hdfs://hadoop102:8020/directory

注意：需要启动 hadoop 集群，HDFS 上的 directory 目录需要提前存在。

sbin/start-dfs.sh

hadoop fs -mkdir /directory
  1. 修改 spark-env.sh 文件, 添加日志配置
export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080 
-Dspark.history.fs.logDirectory=hdfs://hadoop102:8020/directory 
-Dspark.history.retainedApplications=30"

⚫ 参数 1 含义：WEB UI 访问的端口号为 18080
⚫ 参数 2 含义：指定历史服务器日志存储路径
⚫ 参数 3 含义：指定保存 Application 历史记录的个数，如果超过这个值，旧的应用程序
信息将被删除，这个是内存中的应用数，而不是页面上显示的应用数。
4) 分发配置文件

xsync conf
  1. 重新启动集群和历史服务
sbin/start-all.sh
sbin/start-history-server.sh
  1. 重新执行任务
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

在这里插入图片描述
7) 查看历史服务：http://linux1:18080

在这里插入图片描述

2.5 配置高可用（HA）

所谓的高可用是因为当前集群中的 Master 节点只有一个，所以会存在单点故障问题。所以
为了解决单点故障问题，需要在集群中配置多个 Master 节点，一旦处于活动状态的 Master
发生故障时，由备用 Master 提供服务，保证作业可以继续执行。这里的高可用一般采用
Zookeeper 设置
集群规划:
Linux1 Linux2 Linux3
Spark Master
Zookeeper
Worker
Master
Zookeeper
Worker
Zookeeper
Worker

  1. 停止集群
sbin/stop-all.sh
  1. 启动 Zookeeper
zk.sh start
  1. 修改 spark-env.sh 文件添加如下配置
    注释如下内容：
#SPARK_MASTER_HOST=linux1
#SPARK_MASTER_PORT=7077

添加如下内容:
#Master 监控页面默认访问端口为 8080，但是可能会和 Zookeeper 冲突，所以改成 8989，也可以自
定义，访问 UI 监控页面时请注意

SPARK_MASTER_WEBUI_PORT=8989
export SPARK_DAEMON_JAVA_OPTS="
-Dspark.deploy.recoveryMode=ZOOKEEPER 
-Dspark.deploy.zookeeper.url=linux1,linux2,linux3
-Dspark.deploy.zookeeper.dir=/spark"
  1. 分发配置文件
xsync conf/
  1. 启动集群
sbin/start-all.sh
  1. 启动 linux2 的单独 Master 节点，此时 linux2 节点 Master 状态处于备用状态
    [root@linux2 spark-standalone]# sbin/start-master.sh
  2. 提交应用到高可用集群
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop102:7077,hadoop103:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

3.yarn模式(在一台上操作)

3.1 解压缩文件

将 spark-3.0.0-bin-hadoop3.2.tgz 文件上传到 linux 并解压缩，放置在指定位置。(在hadoop102上操作)

tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module 
mv spark-3.0.0-bin-hadoop3.2 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
<!--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>
  1. 修改 conf/spark-env.sh，添加 JAVA_HOME 和 YARN_CONF_DIR 配置（在hadoop102）
mv spark-env.sh.template spark-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144
YARN_CONF_DIR=/opt/module/hadoop/etc/hadoop

3.3 启动 HDFS 以及 YARN 集群

myhadoop.sh start

3.4 提交应用

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10

查看 http://hadoop103:8088 页面，点击 History，查看历史页面

在这里插入图片描述

3.5 配置历史服务器

在这里插入图片描述

4.windows模式

在这里插入图片描述

4.1解压缩

将文件 spark-3.0.0-bin-hadoop3.2.tgz 解压缩到无中文无空格的路径中

4.2 启动本地环境

  1. 执行解压缩文件路径下 bin 目录中的 spark-shell.cmd 文件，启动 Spark 本地环境
  2. 在 bin 目录中创建 input 目录，并添加 word.txt 文件, 在命令行中输入脚本代码
sc.textFile("input/word.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect

3）web页面
在这里插入图片描述

澜的大数据
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
spark-3.0.0-bin-hadoop3.2.tgz
12-30
spark3.0
Spark——部署详解及问题解决
Devin
05-01 2347
本节目标： 掌握Spark的部署方式 所需软件：spark-2.2.1-bin-hadoop2.7   NN DN JN ZK ZKFC RM NM Master Worker ...
Spark在大数据集群下的部署
最新发布
weixin_73195042的博客
04-21 875
前提:需要保证配置好了三台装好hadoop的虚拟机hadoop102，hadoop103，hadoop104。
spark安装与入门
weixin_44371237的博客
11-30 577
spark安装与入门
spark3.0 分布式集群搭建
GotFull的博客
03-12 4833
Spark 集群环境搭建-exsi 1、虚拟机环境配置 进入管理界面 创建虚拟机 后续选择存储空间位置 3处选择存储目录中的 centos7，安装过程略 如法炮制建立三个虚拟机 ssh连接 此处使用的软件是MobaXterm 2、虚拟机基础配置 需要配置的是 1、网卡开机自动启动，与静态ip 2、修改主机名称 3、关闭centos 防火墙 4、host配置 5、时区设置 6、ssh免密码连接 2.1 网卡开机启动与静态ip 进入该目录 cd /etc/sysconfig/network-scrip
Hive on Spark 部署
gm_ji的博客
08-14 429
所以采用 Spark 纯净版 jar 包，不包含 hadoop 和 hive 相关依赖， 避免冲突。：Hive 任务最终由 Spark 来执行，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。1.上传并解压 spark-3.0.0-bin-without-hadoop.tgz。1.上传并解压解压 spark-3.0.0-bin-hadoop3.2.tgz。
Spark环境搭建
m0_52820789的博客
01-15 1478
spark环境搭建
Spark2.4.3集群部署
09-14
"Spark2.4.3集群部署知识点" Spark2.4.3集群部署是将Spark集群安装到多台机器上，以达到分布式计算和大规模数据处理的目的。下面是Spark2.4.3集群部署的详细知识点： 1. Master 节点配置 Master 节点是Spark集群的...
基于Python的Spark集群部署自动化脚本设计源码
04-10
本项目是一个基于Python的Spark集群部署自动化脚本设计源码，共包含40个文件，其中包括34个Python文件。该系统旨在自动化部署Spark集群，简化部署流程，提高部署效率。系统设计注重可扩展性和易用性，采用模块化的...
spark集群部署.docx
12-07
Spark 集群部署涉及多种模式，包括Standalone、Mesos和YARN。每种模式都有其特定的应用场景和优势。在企业环境中，特别是当Hadoop YARN已存在时，通常会选择YARN模式来部署Spark，因为它能提供统一的资源管理和支持...
spark集群安装部署与初步开发
09-12
本资源从简介到开发，详细讲解了spark集群构建和初步开发，适合初学spark的或者学习了hadoop的，希望对大家有帮助。^_^
spark-3.1.3-bin-hadoop3.2.tgz
05-19
Apache Spark版本3.1.3。Linux安装包。spark-3.1.3-bin-hadoop3.2.tgz
spark集群部署
10-08
spark部署
Spark集群3.1.1完全分布式搭建
weixin_64998435的博客
05-06 1456
spark3完全分布式部署
[1032]spark-3.0安装和入门
周小董
07-25 1284
文章目录一.Windows安装1.安装2.使用二.Linux安装一般安装模式下载设置环境变量修改配置启动确认启动成功Local模式1.安装2.使用yarn模式1.安装2.使用3.spark的历史服务器集成yarn 在这之前已经在本地安装了hadoop和hive，参考大数据相关整理 spark官网下载：http://spark.apache.org/downloads.html 一.Windows安装 1.安装 将spark-3.0.0-bin-hadoop3.2.tgz解压到非中文目录 2.使用 bin/s
Spark集群安装部署
MJK祺的博客
05-18 1757
由于Spark仅仅是一种计算机框架，不负责数据的存储和管理，因此，通常都会将Spark和Hadoop进行统一部署，由Hadoop中的HDFS，HBase等组件负责数据的存储管理，Spark负责数据计算。本文章主要阐述在Standalone模式下，Spark集群的安装和配置。Yarn模式不需要启动spark集群，只需要启动hadoop集群即可，在启动hadoop集群之前，需要在yarn-site.xml文件关闭内存检查，否则在测试官方案例时可能会报错。至此，Spark集群配置就完成了。
spark3.1.1安装（spark on yarn）
m0_37813354的博客
06-18 4723
环境scala2.12.12 hadoop3.2.2 centos7
Spark多版本共存
黑眼圈@~@从不出水文
02-04 1889
前言 我们公司用的是Spark2.3.2，但是现在测试DeltaLake又需要用到Spark3.0，所以在当前集群做多个Spark版本共存。 一、下载 下载当然是要去Spark官网下载咯。自己选择对应的版本下载。 当然，如果没有对应的版本，就需要自己下载源码，更改版本然后重新进行编译。 1、下载 $ wget https://mirror.bit.edu.cn/apache/spark/spark-3.0.0/spark-3.0.0-bin-hadoop3.2.tgz 2、解压，路径为/data/sof
【Spark】【第三章】 Spark运行环境
weixin_43589563的博客
11-18 1614
本地模式 所谓的Local模式，就是不需要其他任何节点资源就可以在本地执行Spark代码的环境，一般用于教学，调试，演示等，之前在IDEA中运行代码的环境我们称之为开发环境，不太一样。 1.解压缩文件 将spark-3.0.0-bin-hadoop3.2.tgz文件上传到Linux并解压缩，放置在指定位置，路径中不要包含中文或空格，课件后续如果涉及到解压缩操作，不再强调 tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module cd /opt/mod
spark学习笔记，完成于2022年04月13日
11-18
在集群部署时，需要确保所有节点间可以通过SSH实现免密登录，以便于启动和管理Spark进程。启动Spark集群通常通过运行`start-all.sh`脚本，但要注意避免将`sbin`目录添加到环境变量中，以免与其他框架的启动脚本冲突...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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