Spark Standalone集群安装及测试案例

一、实验环境

---

二、总体步骤

---

1. 准备至少3台主机
2. 修改主机名称及IP与主机名的映射关系（3台主机都需要操作）
3. 做免密登录操作（3台主机都需操作），如已做过，则可删除重新生成
4. 在作为master节点的主机上对spark进行配置
5. 需要将master节点上配置好的spark环境拷贝到worker主机上
6. 启动spark集群（在主机节点上执行start-all.sh）
7. 检查是否部署成功，如下步骤：
   • 检查进程：
     主节点：Master
     从节点：Worker
   • 访问SparkUI界面：http://ip|主机名:8080
   • 注意事项：
     如果需要主机名+端口号方式访问UI的话，需要做配置
     即在windows上进行虚拟机主机名与虚拟机IP地址映射关系
     C盘下：Window->System32->driver->etc/hosts
8. 运行测试，演示wordcount

三、详细步骤

---

1. 准备至少3台主机
   这里使用的是虚拟机，三台虚拟机主机，如下所示：
   

2. 修改主机名称及IP与主机名的映射关系（3台主机都需要操作）

   • 执行命令修改主机名称：
     hostnamectl --static set-hostname hadoop004
   • 编辑/etc/hosts文件，在文件末尾添加如下信息：

     192.168.76.129 hadoop002
     192.168.76.128 hadoop003
     192.168.76.132 hadoop004
     

     注意：三台虚拟机主机配置的内容都一样

3. 做免密登录操作（3台主机都需操作），如已做过，则可删除重新生成

    ssh-keygen -t rsa (执行命令后，只需连续敲三次回车键即可)
    cd ~/.ssh/
    ssh-copy-id -i id_rsa.pub root@hadoop002
    ssh-copy-id -i id_rsa.pub root@hadoop003
    ssh-copy-id -i id_rsa.pub root@hadoop004
   

   注意：三台主机都需要操作

4. 在Master节点的主机(hadoop002)上配置，进入到Spark的安装目录下的conf目录下

   • 修改配置文件：spark-env.sh （事先不存在需要创建或者复制得到）

     export JAVA_HOME=/training/jdk1.8.0_171
     export SPARK_MASTER_HOST=hadoop002
     export SPARK_MASTER_PORT=7077
     #history 配置历史服务
     export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 -Dspark.history.retainedApplications=30 -Dspark.history.fs.logDirectory=/training/spark-2.4.8-bin-hadoop2.7/history"
     

     注意：history目录需要事先创建
   • 修改slaves文件（事先不存在，需要创建或者复制模板文件得到），将localhost改成从节点的主机名，如下：
     复制模板文件得到：cp slaves.template slaves

     hadoop003
     hadoop004
     

   • 复制spark-defaults.conf.template为spark-defaults.conf，并添加如下内容:

     spark.eventLog.enabled           true
     spark.eventLog.dir               /training/spark-2.4.8-bin-hadoop2.7/logs
     

5. 需要将master节点上配置好的spark环境拷贝到worker主机上，执行如下命令：

   scp -r /training/spark-2.4.8-bin-hadoop2.7/ root@hadoop003:/training/
   scp -r /training/spark-2.4.8-bin-hadoop2.7/ root@hadoop004:/training/
   

6. 启动spark集群，在主机节点上进入到spark的安装目录的sbin，执行：
   ./start-all.sh

7. 检查是否部署成功，如下步骤：

   • 检查进程，存在以下进程说明配置成功：
     主节点：Master
     从节点：Worker
   • 访问SparkUI界面：http://ip|主机名:8080
     
   • 注意事项：
     如果需要主机名+端口号方式访问UI的话，需要做配置
     即在windows上进行虚拟机主机名与虚拟机IP地址映射关系
     C盘下：Window->System32->driver->etc/hosts

8. 运行测试，演示wordcount

   • 准备测试数据：
     在主节点（hadoop002）上的在/tools目录下新建文件word.txt，添加如下内容：

     I love Guizhou
     I love Guiyang
     Guiyang is the capital of Guizhou
     

   • 将word.txt文件发送到从节点（hadoop003和hadoop004）对应的目录下，执行：

     scp -r word.txt root@hadoop003:/tools/
     scp -r word.txt root@hadoop004:/tools/
     

   • 启动spark-shell，进入到spark安装目录的bin目录下，执行：
     ./spark-shell --master spark://hadoop002:7077 --executor-memory 1g --total-executor-cores 2
     启动成功后，看到如下界面：
     
   • 编写并运行如下代码，回车运行

     sc.textFile("file:///tools/word.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).saveAsTextFile("file:///tools/results/spark/wc") 
     

     或者执行：

     sc.textFile("/tools/word.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).saveAsTextFile("/tools/results/spark/wc")
     

   • 查看结果文件：进入到从节点hadoop003下的/tools/results/spark/wc目录下，看到如下文件：
     
     进入到_temporary目录下，看到只有一个目录名称为0的目录，进入目录0下，看到如下：
     
     进入上图红色框下的目录下，看到如下问文件：
     
     其中part-00000就是结果文件，查看文件内容：
     
     在从节点hadoop004下执行上述相同操作，会看到结果文件为part-00001，内容如下所示：
     
     至此，全部过程已完结！！！！收工了！！！