大数据应用-Spark集群的部署

集群的规划

一个简单的表格是这么创建的：

节点 功能	节点名称	节点IP
marster 和 slave	zhen(震）	192.168.2.5
slave	xun(巽）	192.168.2.6
slave	li(离）	192.168.2.7

1.下载和解压

此步骤假设大家的 Hadoop 集群已经能够无碍的运行, 并且 Linux 的防火墙和 SELinux 已经关闭, 时钟也已经同步：

1. 下载 Spark 安装包 ，, 下载时候选择对应的 Hadoop 版本(资料中已经提供了 Spark 安装包, 直接上传至集群 Master 即可, 无需遵循以下步骤)；

下载 Spark

cd /export/softwares
wget https://archive.apache.org/dist/spark/spark-2.2.0/spark-2.2.0-bin-hadoop2.7.tgz

2. 解压并拷贝到/usr/local/spark；

解压 Spark 安装包

tar xzvf spark-2.2.0-bin-hadoop2.7.tgz

移动 Spark 安装包

mv spark-2.2.0-bin-hadoop2.7.tgz /usr/local/spark

3. 修改配置文件spark-env.sh, 以指定运行参数；

cd /usr/local/spark/conf
cp spark-env.sh.template spark-env.sh
vi spark-env.sh

将以下内容复制进配置文件末尾
#指定 Java Home
export JAVA_HOME=/usr/local/jdk/jdk1.8.0_171
#指定 Spark Master 地址
export SPARK_MASTER_HOST=zhen
export SPARK_MASTER_PORT=7077

2.配置

1.修改配置文件 slaves, 以指定从节点为止, 从在使用 sbin/start-all.sh 启动集群的时候, 可以一键启动整个集群所有的 Worker

• 进入配置目录, 并复制一份新的配置文件, 以供在此基础之上进行修改

cd /export/servers/spark/conf
cp slaves.template slaves
vi slaves

• 配置所有从节点的地址

zhen
xun
li

2.配置 HistoryServer

• 默认情况下, Spark 程序运行完毕后, 就无法再查看运行记录的 Web UI 了, 通过 HistoryServer 可以提供一个服务, 通过读取日志文件, 使得我们可以在程序运行结束后, 依然能够查看运行过程
• 复制 spark-defaults.conf, 以供修改

cd /usr/local/spark/conf
cp spark-defaults.conf.template spark-defaults.conf
vi spark-defaults.conf

• 将以下内容复制到spark-defaults.conf末尾处, 通过这段配置, 可以指定 Spark 将日志输入到 HDFS 中

spark.eventLog.enabled true
spark.eventLog.dir hdfs://zhen:8020/spark_log
spark.eventLog.compress true

• 将以下内容复制到spark-env.sh的末尾, 配置 HistoryServer 启动参数, 使得 HistoryServer 在启动的时候读取 HDFS 中写入的 Spark 日志

#指定 Spark History 运行参数
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=4000 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://zhen:8020/spark_log"

• 为 Spark 创建 HDFS 中的日志目录

hdfs dfs -mkdir -p /spark_log

分发和运行

1.将 Spark 安装包分发给集群中其它机器

cd /usr/local
scp -r spark root@xun:$PWD

scp -r spark root@li:$PWD

2.启动 Spark Master 和 Slaves, 以及 HistoryServer

cd /usr/local/spark
sbin/start-all.sh
sbin/start-history-server.sh

Spark 集群高可用搭建

对于 Spark Standalone 集群来说, 当 Worker 调度出现问题的时候, 会自动的弹性容错, 将出错的 Task 调度到其它 Worker 执行

但是对于 Master 来说, 是会出现单点失败的, 为了避免可能出现的单点失败问题, Spark 提供了两种方式满足高可用

使用 Zookeeper 实现 Masters 的主备切换

使用文件系统做主备切换

使用文件系统做主备切换的场景实在太小, 所以此处不再赘述

1.停止 Spark 集群

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

2.修改配置文件, 增加 Spark 运行时参数, 从而指定 Zookeeper 的位置

• 进入 spark-env.sh 所在目录, 打开 vi 编辑

cd /usr/local/spark/conf
vi spark-env.sh

3.编辑 spark-env.sh, 添加 Spark 启动参数, 并去掉 SPARK_MASTER_HOST 地址

#指定 Java Home
export JAVA_HOME=/usr/local/jdk/jdk1.8.0_171
#指定 Spark Master 地址
#export SPARK_MASTER_HOST=zhen
export SPARK_MASTER_PORT=7077

#指定 Spark History 运行参数
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=4000 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://zhen:8020/spark_log"

#指定 Spark 运行时参数
export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=zhen:2181,xun:2181,li:2181 -Dspark.deploy.zookeeper.dir=/spark"

4.分发到各个节点上

cd /usr/local/spark/conf
scp spark-env.sh xun:$PWD

scp spark-env.sh li:$PWD

5.启动各个节点

• 在 zhen(震）主节点 上启动整个集群

cd /usr/local/spark
sbin/start-all.sh
sbin/start-history-server.sh

• 在 xun(巽）副主节点上单独再启动一个 Master

cd /usr/local/spark
sbin/start-master.sh

6.启动完成

• .主节点
  
• .从节点
  

入门例子

1.从示例应用运行中理解 Spark 应用的运行流程

• 1 进入 Spark 安装目录中

cd /usr/local/spark

• 2运行spark脚本任务

// An highlighted block
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \ #这个是要执行的路径
--master spark://zhen:7077,xun:7077,li:7077 \ #这里是指定多个master节点，最要一个
--executor-memory 1G \
--total-executor-cores 2 \
/usr/local/spark/examples/jars/spark-examples_2.11-2.2.0.jar \
100 #这个是参数

运行结果：