伪分布式系列 - 第三篇 - spark-2.4.3环境搭建on hadoop3.2.0

基础环境搭建

• 基于前面的文章,hadoop已经搭建好,下面我们将进行spark on yarn搭建
• 下载并配置scala,我们选择scala-2.12.8/这个版本即可,下载解压scala即可

配置环境
# scala
export SCALA_HOME=/opt/bigdata/scala/default

spark配置

spark下载

• 地址:http://spark.apache.org/downloads.html
  

• 解压

tar -zxvf spark-2.4.3-bin-hadoop2.7.tgz -C ./

spark配置文件

• spark-env.sh配置

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

vim spark-env.sh  配置一下信息

export JAVA_HOME=/usr/local/java_1.8.0_121
#SCALA环境变量
export SCALA_HOME=/opt/bigdata/scala/default
#Hadoop路径
export HADOOP_HOME=/opt/bigdata/hadoop/default
#Hadoop配置目录
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export SPARK_YARN_USER_ENV=${HADOOP_CONF_DIR}
export SPARK_HOME=/opt/bigdata/spark/default
export HIVE_HOME=/opt/bigdata/hive/default
export HIVE_CONF_DIR=${HIVE_HOME}/conf
export PATH=${JAVA_HOME}/bin:${SCALA_HOME}/bin:${HADOOP_HOME}/bin:${SPARK_HOME}/bin:${HIVE_HOME}/bin:$PATH

• spark-defaults.conf配置

cp spark-defaults.conf.template spark-defaults.conf
vim spark-defaults.conf 配置如下信息

# spark job log收集,收集到hdfs上
spark.eventLog.enabled           true
spark.eventLog.dir               hdfs://ecs-6531-0002.novalocal:9000/tmp/spark/eventLogs
spark.eventLog.compress          true
#默认序列化方式
spark.serializer                 org.apache.spark.serializer.KryoSerializer

# 部署模式yarn
spark.master                    yarn
# 默认driver核心数
spark.driver.cores              1
# 默认driver内存数
spark.driver.memory             800m
# 默认executer核心数
spark.executor.cores            1
# 默认executer内存数
spark.executor.memory           1000m
# 默认executer实例数
spark.executor.instances        1
# hive仓库地址
spark.sql.warehouse.dir         hdfs://ecs-6531-0002.novalocal:9000/user/root/warehouse

• 拷贝hive-site.xml到spark conf下,因为要连接hive

cp $HIVE_HOME/conf/hive-site.xml $SPARK_HOME/conf/hive-site.xml

环境配置

• vim /etc/profile

# spark 配置
export SPARK_YARN_USER_ENV=${HADOOP_CONF_DIR}
export SPARK_HOME=/opt/bigdata/spark/default
export PATH=${SCALA_HOME}/bin:${SPARK_HOME}/bin:$PATH

拷贝包

• 拷贝spark shuffle on yarn到包到yarn的目录下

cp /opt/bigdata/spark/spark-2.4.3-bin-hadoop2.7/yarn/spark-2.4.3-yarn-shuffle.jar /opt/bigdata/hadoop/hadoop-3.2.0/share/hadoop/yarn/

yarn配置

• 配置yarn-site.xml文件

需要把spark_shuffle加上
<!-- 指定reducer获取数据的方式-->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle,spark_shuffle</value>
    </property>

• 重启yarn

spark启动测试

• 直接输入spark-sql启动
  

• 测试查询hive
  

• 使用spark提交任务 直接spark-submit jar包即可