【大数据处理架构】1.spark streaming

1. spark 是什么？

>Apache Spark 是一个类似hadoop的开源快速集群运算环境  与后者不同的是，spark更快（官方的说法是快近100倍）。提供高层JAVA,Scala,PythonI ,R API接口.并且提tools：Spark SQL for SQL 处理结构化数据, MLlib for machine learning, GraphX for graph processing, and Spark Streaming.

2. spark streaming 

Spark Streaming: 构建在Spark上处理Stream数据的框架，基本的原理是将Stream数据分成小的时间片断（几秒），以类似batch批量处理的方式来处理这小部分数据。Spark Streaming构建在Spark上，一方面是因为Spark的低延迟执行引擎（100ms+），虽然比不上专门的流式数据处理软件，也可以用于实时计算，另一方面相比基于Record的其它处理框架（如Storm），一部分窄依赖的RDD数据集可以从源数据重新计算达到容错处理目的。

3. build spark: 

    1） 安装 scala 

          scala 语言很简洁，属于函数式语言。其简洁度令人吃惊（代码量只有java的十分之一）值得学习。

         http://www.scala-lang.org/download/

          下载，解压 ：tar -zxvf filename  loaction

          修改环境变量：vim /etc/profile  在PATH后加入scala解压后文件位置。

           >  export SCALA_HOME = $/opt/scala/scala-2.11.7

           >  export SPARK_HOME=$opt/spark/spark-1.4.1
           >  export PATH=$SCALA_HOME/bin:$PATH:$SPARK_HOME/bin

                        

           update( very important or you may failed to change the path)  > source /etc/profile

          检测：  scala -version

2）安装 spark streaming

         下载这个版本： spark-1.4.1-bin-hadoop2.6.tgz   （一定不要选source code 需要自己编译）

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

          解压： tar -zxvf filemname location  （文件名太长善用 tab键）

3）几个命令 

启动Spark

在Spark运行之前，首先需要让Spark集群启动，如果需要用到hadoop的HDFS的话，也需要把HDFS启动起来。

>cd /docker/opt/spark-1.4.0-bin-hadoop2.6/sbin （注意根据自己的安装目录定）
       ./stop-master.sh
    以及   ./start-master.sh
>cd /docker/opt/spark-1.4.0-bin-hadoop2.6/sbin; 

     ./stop-slave.sh; 

     ./start-slave.sh spark://XXXXX

>bin/spark-shell.sh   启动spark shell

 在SPARK_HOME/sbin目录:

• sbin/start-master.sh-在机器上执行脚本，启动 master .

• sbin/start-slaves.sh- 启动conf/slaves中指定的每一个slave .

• sbin/start-all.sh- 同时启动master 以及 上面所说文件中指定的slave

• sbin/stop-master.sh- 停止通过bin/start-master.sh脚本启动的master

• sbin/stop-slaves.sh- 停止通过bin/start-slaves.sh启动的slave .

• sbin/stop-all.sh- 停止上述的两种启动脚本启动的master和slave

运行：

    想在想在spark上跑自己的代码，需要我们打包成jar ，使用 spark-streaming的命令。但是需要用到sbt的tool，我们下一节再介绍。

参考：1. http://spark.apache.org/docs/latest/index.html

2. http://blog.csdn.net/yunlong34574/article/details/39098815

3.http://www.oschina.net/translate/spark-standalone?cmp